探讨 | 目前SLAM存在的问题

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

本文转自|计算机视觉联盟

又到了每周组会的时间了，这周主要是收集了现在领域当中SLAM存在的一些开放性问题以及在学习SLAM14讲。
之前说要做SLAM，实际上连SLAM现在发展得怎么样，有什么瓶颈，目前有什么已经落地的产品实际上都不了解，所以这一周除了上课的时间（PS:课是真的多，我说我周一6节，周二4节，周三六节，周四两节，周五4节，还有一大堆作业，这学期的作业还一大堆仿真题，现代数字信号处理有点难啊。留给科研的时间不多了）。

在收集资料的过程当中，也认识了好多大牛，先整理一波材料的来源：

• 会议：

RSS,ICRA,CVRR.ECCV...

• 论文：

[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
(听说列了论文不列出来哪个会议，属于哪个类就是耍流氓，先耍以下流氓，下次看的论文会附上)，例如这个样子：

• 工作坊

ICCV Workshop (Workshop的东西短小精悍)

• 实验室

慕尼黑工业大学(TUM)，麻省理工大学（MIT），帝国理工大学（IDG），卡内基-梅隆大学（CMU）,德国弗莱堡大学(Freiburg) , 西班牙萨拉戈萨大学（Zaragoza）

从阅读的内容来看，包括了讲解SLAM这30年的发展历史，以及视觉SLAM的15年，接下来又抛出一些开放性问题等待各位工作于SLAM人士的智慧来解决。

John Leonard 大神从这30年的文章中，每年选取一两篇具有代表性的文章,或者产品，或者书籍，来描述SLAM的发展，让我们开始把

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 这个机器人看起来已经实现了室内定位
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) 做导航船的，相机做约束
2005 Probablistic ROBOTICS Thrun, Burgard and Fox, MIT Press 
2006 Smoothing and Mapping(SAM)因子图要诞生了，刚下载了他们程序，想下周看看
2007 A Tree Parameterization for Efficiently Computing Maximum Likelihood Maps using Gradient Descent (没看懂他的重要) rss2007
2007 Parallel Tracking and Mapping (PTAM)Klein and Murray 【ISMAR最佳论文奖】 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 (这个之后再看看是啥）
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最佳论文好像
2013 KinLnous Processing Pipeline (“Cloud Slices” connected to pose graph SLAM optimization) 这个后面可以看下
2014 Google Tango - Journey Pollefeys et al.（之前听老师讲有创业公司想做这种视觉手持SLAM，然后还要拿得直力拿着，这两天看到Tan'go,想着这不久是Tango嘛，而且Tango还可以晃动呢）
2015 Kintinuous with Stereo – Walking over Stairs 

我看来，vslam得发展也就是从MonoSLAM->PTAM->图优化SLAM->ORB-SLAM为代表的现代slam,其中可能还有许多内容，不过这些开源SLAM一定程度上体现了SLAM发展过程了....

关于SLAM是否被解决，如果是针对某一场景，特定的任务，可以说SLAM已经被解决，但是如果我们是说任何环境，那么SLAM还是存在许多开放性的问题的。

vSLAM 现有的产品有：Google Tango ,Microsoft HoloLens, ARKit,ARCODE等等

vSLAM现在存在的问题有：

Life-long SLAM(如何实现长距离的SLAM呢)
Map Representation (地图应该怎么表示，毕竟计算资源有限)
Large-Scale(特征和超大地图怎么进行匹配)
多机SLAM（如果要探索一块区域，多个机器人绘制的地图如何形成全局一致性地图呢）

对于vslam，会存在这些问题，光照变化，天气情况，以及季节变化，导致路面情况发生很大的变化，如果这时候做特征匹配的话，就会失败。目前的解决方案有SeqSLAM->Fast SeqSLAM ->Semantic Enhanced SLAM

以上大概就是SLAM领域中开放的问题的。

哎，今天说了这些问题，老师问那你想做哪个问题，我还真的懵逼了，我也不太清楚，本来只是想做了传感器融合水以下论文的，不过老师好像要我们能够解决这个领域中的某个特定的问题，现在也还没想法，噗噗噗，感觉都挺难的。结合New传感器，其实效果也不一定会提升，水水水~~~

提问:如果是你的话，你会怎么处理这些问题呢？

想法是：先把图像进行增强，然后再做特征匹配。对于有雾的情况，先进行去雾再进行匹配，去雾算法好像何凯明有篇论文做的效果非常好。这些开放性的问题值得我们平时没事就思考思考.

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~