實時SLAM的未來及深度學習與SLAM對比

The Future of Real-Time SLAM and Deep Learning vs SLAM學習筆記

本文是作者(Tombone)對2015年12月18日計算機視覺國際會議實時SLAM小組討論要點的總結。原文發表在作者的部落格上，地址參見本文最後。這篇文章主要介紹了會議上的7個話題，在最後聊了一些關於深度學習討論組的一些資訊。

第一部分：為什麼SLAM重要

vSALM(Visual SLAM)能夠在跟蹤攝像機(用於AR的手持或者頭盔，或者裝備在機器人上)位置和方位的同時構建三維地圖. SLAM演算法與ConvNets和深度學習是互補的。SLAM關注幾何問題，而深度學習主要關注識別問題。如果你想讓機器人走到冰箱面前而不撞到牆，就用SLAM。如果你想讓機器人識別冰箱裡的物品，就用ConvNets。

SLAM相當於實時版本的SFM(Structure From Motion)。vSLAM使用攝像機，放棄了昂貴的鐳射感測器和慣性感測器(IMU)。單目SLAM使用單個相機，而非單目SLAM通常使用預先標定好的固定基線的立體攝像機。SLAM是基於幾何方法的計算機視覺的一個主要的例子。事實上，CMU(卡內基梅隴大學)的機器人研究機構劃分了兩個課程：基於學習方法的視覺和基於幾何方法的視覺。

SFM vs vSLAM

SFM和SLAM解決的是相似的問題，但SFM是以傳統的離線的方式來實現的。SLAM慢慢地朝著低功耗，實時和單個RGB相機模式發展。下面是一些流行的開源SFM軟體庫。

vSLAM vs 自動駕駛

自動駕駛汽車是SLAM最重要的一個應用領域。未來很多年裡，在自動駕駛領域將持續地研究SLAM。

第二部分：實時SLAM的未來

Andres Davison做了一個非常精彩的關於15年來基於視覺的SLAM的總結。過去10-15年來最典型的幾個SLAM系統如下：

• MonoSLAM
• PTAM
• FAB-MAP
• DTAM
• KinectFusion

Davison vs Horn: 機器人視覺的下一篇

Davision正在寫一本新的機器人視覺的書，該書第一版由B.K. Horn1986年出版。另外有兩本很優秀的圖書值得學習。他們分別是Hartlet等著的<Multiple View Geometry>和Thrun等著的<Probabilistic Robotics>。這兩本書可堪稱SLAM的經典基礎，必讀。

Talk 1: Christian Kerl on Continuous Trajectories in SLAM

Talk 2: Semi-Dense Direct SLAM by Jakob Engel

LSD-SLAM在2014年的ECCV上誕生，是我比較喜歡的一個SLAM系統。LSD_SLAM是Large-Scale Direct Monocular SLAM的縮寫。LSD-SLAM對SLAM研究者來說是一個重要的系統，因為它沒有使用角點(corners)或者其他任何本地特徵(local features)。

原文：LSD-SLAM is an important system for SLAM researchers because it does not use corners or any other local features. Direct tracking is performed by image-to-image alignment using a coarse-to-fine algorithm with a robust Huber loss. This is quite different than the feature-based systems out there. Depth estimation uses an inverse depth parametrization (like many other SLAM systems) and uses a large number or relatively small baseline image pairs. Rather than relying on image features, the algorithms is effectively performing “texture tracking”. Global mapping is performed by creating and solving a pose graph "bundle adjustment" optimization problem, and all of this works in real-time. The method is semi-dense because it only estimates depth at pixels solely near image boundaries. LSD-SLAM output is denser than traditional features, but not fully dense like Kinect-style RGBD SLAM.

LSD-SLAM的擴充套件包括Omni(全景) LSD-SLAM和Stereo(立體) SLAM。

Talk 3: Sattler on The challenges of Large-Scale Localization and Mapping

Talk 4: Mur-Artal on Feature-based vs Direct-Methods

ORB-SLAM的建立者Raúl Mur-Artal的演講集中在Feature-based和Direct-methond的爭論上。他堅定地站在feature-based這邊。ORB-SLAM是一個優秀的開源SLMA系統。

Talk 5: Project Tango and Visual loop-closure for image-2-image constraints

谷歌的Project Tango是世界上首個試圖將SLAM商業化的產品。谷歌想將SLAM能力納入到下一代Android裝置上。

Talk 6: ElasticFusion is DenseSLAM without a pose-graph

ElasticFusion是一個稠密SLAM技術，它需要類似Kinect的RGBD感測器。

Talk 7: Richard Newcombe’s DynamicFusion

Richard Newcombe是最後一個演講者，他創辦的公司最近被Oculus收購了。看到DTAM，KinectFusion和DynamicFusion背後的人如今投入到VR領域，這真是一件很酷的事。

第三部分：深度學習 vs SLAM

SLAM討論組非常有意思。在我們進入深度學習與SLAM的重要性討論之前，我應該提到每個討論組的演講者都認為：語義(semantics)對於構建一個更大，更好的SLAM系統是非常必要的。

整合語義資訊進入SLAM

結束語

今天的SLAM系統幫助機器從幾何的角度來理解現實世界，而深度學習則幫助機器進行合理地分類。最後與大家分享一下Newcombe和Davision在視覺SLAM中的令人興奮的事：基於視覺的演算法即將把AR/VR變成數十億美金的市場。然而，我們不應該忘記密切關注一個萬億美金的市場，那就是機器人。SLAM機器人的時代即將到來。