又到了每周組會(huì)的時(shí)間了，這周主要是收集了現(xiàn)在領(lǐng)域當(dāng)中SLAM存在的一些開(kāi)放性問(wèn)題以及在學(xué)習(xí)SLAM14講。

之前說(shuō)要做SLAM，實(shí)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(shí)際上都不了解，所以這一周除了上課的時(shí)間（PS：課是真的多，我說(shuō)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(xué)期的作業(yè)還一大堆仿真題，現(xiàn)代數(shù)字信號(hào)處理有點(diǎn)難啊。留給科研的時(shí)間不多了）。

在收集資料的過(guò)程當(dāng)中，也認(rèn)識(shí)了好多大牛，先整理一波材料的來(lái)源：

會(huì)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(tīng)說(shuō)列了論文不列出來(lái)哪個(gè)會(huì)議，屬于哪個(gè)類就是耍流氓，先耍以下流氓，下次看的論文會(huì)附上），例如這個(gè)樣子：

工作坊

ICCV Workshop （Workshop的東西短小精悍）

實(shí)驗(yàn)室

慕尼黑工業(yè)大學(xué)（TUM），麻省理工大學(xué)（MIT），帝國(guó)理工大學(xué)（IDG），卡內(nèi)基-梅隆大學(xué)（CMU），德國(guó)弗萊堡大學(xué)（Freiburg） ， 西班牙薩拉戈薩大學(xué)（Zaragoza）

從閱讀的內(nèi)容來(lái)看，包括了講解SLAM這30年的發(fā)展歷史，以及視覺(jué)SLAM的15年，接下來(lái)又拋出一些開(kāi)放性問(wèn)題等待各位工作于SLAM人士的智慧來(lái)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(lái)描述SLAM的發(fā)展，讓我們開(kāi)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(gè)機(jī)器人看起來(lái)已經(jīng)實(shí)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(dǎo)航船的，相機(jī)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(méi)看懂他的重要） rss2007

2007 Parallel Tracking and Mapping （PTAM）Klein and Murray 【ISMAR最佳論文獎(jiǎng)】 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(gè)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(gè)后面可以看下

2014 Google Tango - Journey Pollefeys et al.（之前聽(tīng)老師講有創(chuàng)業(yè)公司想做這種視覺(jué)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(dòng)呢）

2015 Kintinuous with Stereo – Walking over Stairs

我看來(lái)，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(guò)這些開(kāi)源SLAM一定程度上體現(xiàn)了SLAM發(fā)展過(guò)程了。..。

關(guān)于SLAM是否被解決，如果是針對(duì)某一場(chǎng)景，特定的任務(wù)，可以說(shuō)SLAM已經(jīng)被解決，但是如果我們是說(shuō)任何環(huán)境，那么SLAM還是存在許多開(kāi)放性的問(wèn)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(wèn)題有：

Life-long SLAM（如何實(shí)現(xiàn)長(zhǎng)距離的SLAM呢）

Map Representation （地圖應(yīng)該怎么表示，畢竟計(jì)算資源有限）

Large-Scale（特征和超大地圖怎么進(jìn)行匹配）

多機(jī)SLAM（如果要探索一塊區(qū)域，多個(gè)機(jī)器人繪制的地圖如何形成全局一致性地圖呢）

對(duì)于vslam，會(huì)存在這些問(wèn)題，光照變化，天氣情況，以及季節(jié)變化，導(dǎo)致路面情況發(fā)生很大的變化，如果這時(shí)候做特征匹配的話，就會(huì)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(kāi)放的問(wèn)題的。

哎，今天說(shuō)了這些問(wèn)題，老師問(wèn)那你想做哪個(gè)問(wèn)題，我還真的懵逼了，我也不太清楚，本來(lái)只是想做了傳感器融合水以下論文的，不過(guò)老師好像要我們能夠解決這個(gè)領(lǐng)域中的某個(gè)特定的問(wèn)題，現(xiàn)在也還沒(méi)想法，噗噗噗，感覺(jué)都挺難的。結(jié)合New傳感器，其實(shí)效果也不一定會(huì)提升，水水水~~~

提問(wèn)：如果是你的話，你會(huì)怎么處理這些問(wèn)題呢？

想法是：先把圖像進(jìn)行增強(qiáng)，然后再做特征匹配。對(duì)于有霧的情況，先進(jìn)行去霧再進(jìn)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(kāi)放性的問(wèn)題值得我們平時(shí)沒(méi)事就思考思考。

責(zé)任編輯：lq