探討 | 目前SLAM存在的問題
點擊上方“小白學視覺”，選擇加"星標"或“置頂”
重磅干貨，第一時間送達
本文轉(zhuǎn)自|計算機視覺聯(lián)盟
又到了每周組會的時間了，這周主要是收集了現(xiàn)在領(lǐng)域當中SLAM存在的一些開放性問題以及在學習SLAM14講。
之前說要做SLAM，實際上連SLAM現(xiàn)在發(fā)展得怎么樣，有什么瓶頸，目前有什么已經(jīng)落地的產(chǎn)品實際上都不了解，所以這一周除了上課的時間（PS:課是真的多，我說我周一6節(jié)，周二4節(jié)，周三六節(jié)，周四兩節(jié)，周五4節(jié)，還有一大堆作業(yè)，這學期的作業(yè)還一大堆仿真題，現(xiàn)代數(shù)字信號處理有點難啊。留給科研的時間不多了）。
在收集資料的過程當中，也認識了好多大牛，先整理一波材料的來源：
會議：
RSS,ICRA,CVRR.ECCV...
論文：
[1]Past, Present, and Future of Simultaneous Localization And Mapping: Towards the Robust-Perception Age
[2]The SLAM problem: a survey
[3]Simultaneous Localization and Mapping : A Survey of Current Trends in Autonomous Driving(未看，IEEE Transactions on intelligent vehicles)
[4]A Survey of the State-of-the-Art Localization Techniques and Their Potentials for Autonomous Vehicle Applications
(聽說列了論文不列出來哪個會議，屬于哪個類就是耍流氓，先耍以下流氓，下次看的論文會附上)，例如這個樣子：
工作坊
ICCV Workshop (Workshop的東西短小精悍)
實驗室
慕尼黑工業(yè)大學(TUM)，麻省理工大學（MIT），帝國理工大學（IDG），卡內(nèi)基-梅隆大學（CMU）,德國弗萊堡大學(Freiburg) , 西班牙薩拉戈薩大學（Zaragoza）
從閱讀的內(nèi)容來看，包括了講解SLAM這30年的發(fā)展歷史，以及視覺SLAM的15年，接下來又拋出一些開放性問題等待各位工作于SLAM人士的智慧來解決。
John Leonard 大神從這30年的文章中，每年選取一兩篇具有代表性的文章,或者產(chǎn)品，或者書籍，來描述SLAM的發(fā)展，讓我們開始把
1999 A Solution to the Simultaneous Localization and Map Building Problem(Dissayanake,Newman,etal.)
1999 Loop-Closing – Gutmann and Konolige
2000 Probabilistic Algorithms and the Interactive Museum Tour-Guide Robot Minerva – Thrun et al
2001 Optimization of the Simultaneous Localization and Map Building Algorithm for Real Time Implemention (Guivant and Nebot)
2002 Real-time SLAM using laser Paul Newman (ICRA 2002) MIT 這個機器人看起來已經(jīng)實現(xiàn)了室內(nèi)定位
2002 Montemerlo and Thrun, FastSLAM （FastSLAM: A Factored Solution to the Simultaneous Localization and Mapping Problem, AAAI 2002 ）
2003 An Atlas Framework for Scalable Mapping (Bosse) ICRA
2004 Vision-based SLAM using Poses and Images (Ryan Eustice and Hanu Singh) 做導航船的，相機做約束
2005 Probablistic ROBOTICS Thrun, Burgard and Fox, MIT Press
2006 Smoothing and Mapping(SAM)因子圖要誕生了，剛下載了他們程序，想下周看看
2007 A Tree Parameterization for Efficiently Computing Maximum Likelihood Maps using Gradient Descent (沒看懂他的重要) rss2007
2007 Parallel Tracking and Mapping (PTAM)Klein and Murray 【ISMAR最佳論文獎】 2015年的ORB-SLAM前身
2008 FrameSLAM: From Bundle Adjustment to Real-Time Visual Mapping (Konolige and Agarwal)
2009 FAB-MAP: Probabilistic Localization and Mapping in the Space of Appearance Mark Cumminsb and Paul Newman (這個之后再看看是啥）
2010 Sibley et al. – Relative Bundle Adjustment/VSLAM
2011 KinectFusion – Izadi, Necombe et al.
2012 KinLnuous (Whelan, McDonald et al.) Extension pf KincectFusion (RSS 2012 RGB-D Workshop)
2013 SLAM++ CVPR2013最佳論文好像
2013 KinLnous Processing Pipeline (“Cloud Slices” connected to pose graph SLAM optimization) 這個后面可以看下
2014 Google Tango - Journey Pollefeys et al.（之前聽老師講有創(chuàng)業(yè)公司想做這種視覺手持SLAM，然后還要拿得直力拿著，這兩天看到Tan'go,想著這不久是Tango嘛，而且Tango還可以晃動呢）
2015 Kintinuous with Stereo – Walking over Stairs
我看來，vslam得發(fā)展也就是從MonoSLAM->PTAM->圖優(yōu)化SLAM->ORB-SLAM為代表的現(xiàn)代slam,其中可能還有許多內(nèi)容，不過這些開源SLAM一定程度上體現(xiàn)了SLAM發(fā)展過程了....
關(guān)于SLAM是否被解決，如果是針對某一場景，特定的任務(wù)，可以說SLAM已經(jīng)被解決，但是如果我們是說任何環(huán)境，那么SLAM還是存在許多開放性的問題的。
vSLAM 現(xiàn)有的產(chǎn)品有：Google Tango ,Microsoft HoloLens, ARKit,ARCODE等等
vSLAM現(xiàn)在存在的問題有：
Life-long SLAM(如何實現(xiàn)長距離的SLAM呢)
Map Representation (地圖應(yīng)該怎么表示，畢竟計算資源有限)
Large-Scale(特征和超大地圖怎么進行匹配)
多機SLAM（如果要探索一塊區(qū)域，多個機器人繪制的地圖如何形成全局一致性地圖呢）
對于vslam，會存在這些問題，光照變化，天氣情況，以及季節(jié)變化，導致路面情況發(fā)生很大的變化，如果這時候做特征匹配的話，就會失敗。目前的解決方案有SeqSLAM->Fast SeqSLAM ->Semantic Enhanced SLAM
以上大概就是SLAM領(lǐng)域中開放的問題的。
哎，今天說了這些問題，老師問那你想做哪個問題，我還真的懵逼了，我也不太清楚，本來只是想做了傳感器融合水以下論文的，不過老師好像要我們能夠解決這個領(lǐng)域中的某個特定的問題，現(xiàn)在也還沒想法，噗噗噗，感覺都挺難的。結(jié)合New傳感器，其實效果也不一定會提升，水水水~~~
提問:如果是你的話，你會怎么處理這些問題呢？
想法是：先把圖像進行增強，然后再做特征匹配。對于有霧的情況，先進行去霧再進行匹配，去霧算法好像何凱明有篇論文做的效果非常好。這些開放性的問題值得我們平時沒事就思考思考.
END
交流群
歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~