SLAM++

paper

slam++

BY renato salas-moreno,andrew davison
面向对象的SLAM，场景里有大量重复的物体，利用先验知识。

原有底层的点线面，
GPU加速，ICP优化

其他类方法对比

• sparse feature based无联系的点云场景
• dense slam连续的面场景
• SLAM++假设场景有很多重复物体

特点

• SLAM++更像稀疏特征的方法，分离的实体更容易优化，不过实体从点特征变成物体，
• 跟踪物体可以定位相机，重定位reclocalisation和回环检测用可以用少量的物体方法，因为物体很显著。
• 很有效也很鲁棒能更好的再去跟踪检测物体。

语义label方法回顾

方法

3.1先建立物体数据库

建立物体的3D数据库，通过kinect fusion方法

3.2地图表示

3.3物体识别
GHT
PPF
SORT

v.s. point descriptors:local imformation around points
global model description based on oriented point pair fatrues && matching fast voting scheme.

active物体搜索：视角预测，MASK

3.4 ICP相机跟踪,物体位置估计

相机模型跟踪
跟踪收敛
跟踪的模型初始化
相机物体姿态约束

3.5图优化

包括已知结构（凳子都在地板上）

3.6其他已知

3.7重定位

4 结果
回环
大尺度场景
动态物体检测
物体增强现实
系统数据

5 结论和未来工作