【泡泡机器人预告】CCF-CV 视界无限系列研讨会（第二期，浙江大学）

会员服务 ·

【泡泡机器人预告】CCF-CV 视界无限系列研讨会（第二期，浙江大学）

2019 年 3 月 19 日 泡泡机器人SLAM

CCF-CV 视界无限系列研讨会（第二期，浙江大学）

主题：同时定位与地图构建（SLAM）的前沿进展与未来趋势

时间：2019年3月31日 9:00-16:30

地点：浙江大学紫金港校区启真酒店阳明厅

主席：章国锋博士、教授

承办单位：浙江大学CAD&CG国家重点实验室

程序

引导发言

09:00-09:15

章国锋博士、浙江大学教授

题目：面向增强现实的单目视觉惯性SLAM算法评测

09:15-09:30

査红彬博士、北京大学教授

题目：基于数据流处理的SLAM技术

主题报告

09:30-10:05

吴毅红博士、中科院自动化所研究员

题目：Marker SLAM及FMD SLAM

10:05-10:40

邹丹平博士、上海交通大学副教授

题目：无人系统中的视觉SLAM-融合环境与载体信息的方法

10:40-11:00

茶歇

Poster 交流

11:00-12:00

第一场

13:30-14:30

第二场

主题报告

14:30-15:05

谭平博士、西蒙弗雷泽大学副教授

题目：A Novel Approach Toward Dense Monocular SLAM

15:05-15:25

茶歇

深度研讨

15:25-16:30

SLAM的挑战、机遇、与未来趋势

嘉宾：査红彬、章国锋、吴毅红、邹丹平、谭平、刘勇、李名杨等

讲者 / 报告信息

章国锋，男，博士，浙江大学教授、博士生导师。主要从事三维视觉与增强现实方面的研究，尤其在同时定位与地图构建和三维重建方面的研究取得了一系列重要成果，研制了一系列相关软件，如ACTS、LS-ACTS、RDSLAM、RKSLAM等（下载网址：http://www. zjucvg.net），并开源了基于非连续特征跟踪的大尺度运动恢复结构系统ENFT-SfM、分段集束调整SegmentBA和高效的增量式集束调整EIBA、ICE-BA等算法的源代码(https://github.com/ZJUCVG/)。目前为《虚拟现实与智能硬件》编委，中国图象图形学学会三维视觉专委会副主任和视觉大数据专委会委员，中国计算机学会计算机视觉专委会委员。获全国百篇优秀博士学位论文奖、计算机学会优秀博士学位论文奖、教育部高等学校科学研究优秀成果奖科学技术进步奖一等奖（排名第4）以及国家自然科学基金优秀青年基金。

报告题目：面向增强现实的单目视觉惯性SLAM算法评测

尽管视觉惯性SLAM技术已经取得了很大的成功，但由于缺乏合适的基准，目前还比较难从增强现实的角度来定量地评估各种SLAM系统的定位结果。在实际增强现实应用中，很容易遇到各种各样很有挑战性的情况，例如快速运动、强旋转、严重的运动模糊、动态干扰等等。这是因为普通用户一般不会小心翼翼地移动增强现实设备，而且真实环境可能非常复杂。另外，良好的增强现实体验要求相机跟踪丢失的频率尽可能小，而且要能从跟踪失败的状态中快速、准确地恢复回来。现有的SLAM数据集/基准一般只提供相机位姿的精度估计，而且相机运动类型有些简单，与移动增强现实中的常见运动情况不是很吻合。为了解决这一问题，我们构建了一个新的视觉惯性数据集以及相应的面向增强现实的评测标准。我们对现有的单目VSLAM/VISLAM方法进行了细致的分析和比较，并从中选出几个代表性的方法/系统在我们的基准上进行定量的评估。

査红彬，北京大学信息科学技术学院智能科学系教授，机器感知与智能教育部重点实验室主任。主要从事计算机视觉与智能人机交互的研究，在三维视觉几何计算、三维重建与环境几何建模、三维物体识别等方面取得了一系列成果。出版学术期刊及国际会议论文300多篇，其中包括IEEE T-PAMI，IJCV, IEEE T-VCG, IEEE T-RA, IEEE T-SMC, ACM T-IST, JMLR, PR等国际期刊以及ICCV, ECCV, CVPR, CHI, ICML, AAAI, ICRA等国际学术会议论文90余篇。

报告题目：基于数据流处理的SLAM技术

近年来，随着自动驾驶、机器人导航与移动终端传感计算等应用的快速发展，SLAM（Simultaneous Localization and Mapping：同时定位与地图构建）技术再度成为计算机视觉与虚拟现实领域的研究热点。传统的SLAM技术充分利用多视点几何与SfM（Structure from Motion）等领域的高效算法，并通过与深度传感器、惯性传感器等下一代传感设备的数据融合，在传感器轨迹计算精度与三维场景重建质量方面取得了显著的进步。但在实际应用中，仍存在重建误差积累严重、计算成本高昂等问题，影响了机器系统的在线响应速度以及对复杂环境的自适应能力。针对这些问题，我们应最大限度地利用传感数据的时空一致性与三维地图的几何不变性，在现有多视点几何计算的基础上，强化SLAM算法的系统性与泛化能力，进一步改善其基本性能。该报告的主要内容包括：（1）引入数据流计算的基本概念，充分挖掘密集采样传感数据内在的时空连续性，以加强SLAM算法的预测能力；（2）构建基于时域变化的增量算法，并利用地图全局特征的约束以及传感数据的实时反馈作用，实现传感器轨迹的高效计算与三维地图的递进式构建；（3）尝试各类机器学习算法在SLAM问题中的应用，以探讨建立自监督SLAM在线学习技术的新途径。

吴毅红，中国科学院自动化研究所、模式识别国家重点实验室研究员、博士生导师。研究方向为多视几何理论、相机标定与定位、SLAM及在机器人定位与导航、AR、VR中的应用。在国际权威期刊和重要会议上发表论文80余篇，包括PAMI、IJCV、ICCV、ECCV上第一作者论文。申请或获权国内外发明专利10余项。曾担任ICCV、CVPR、ACCV、ICPR、IJCAI等的PC委员或Session/Area Chair。目前为《Pattern Recognition》编委、《自动化学报》编委、《计算机辅助设计与图形学学报》编委、《计算机科学与探索》编委，《Visual Computing for Industry, Biomedicine, and Art》编委。中国图象图形学学会三维视觉专委会副主任，中国图象图形学学会机器视觉专委会常委。首批阿里菜鸟驼峰计划特约专家。获三星电子校企合作卓越贡献奖。获1项高等学校科学研究自然科学奖二等奖。为诺基亚芬兰、三星、华为、百度等企业提供视觉SLAM技术服务累计10余年。

报告题目：Marker SLAM及FMD SLAM

近年来，同时定位与地图构建（SLAM）吸引了大量的研究与关注。最成功的应用之一是基于marker的SLAM。在这个报告中，首先给出目前marker SLAM存在的问题：几乎所有的marker SLAM需要与空间点进行对应，然后采用PnP与RANSAC进行定位。在运动模糊、较远距离、较大噪声情况下都容易失败。由于点个数较少，即使采用RANSAC也难以剔除误匹配。为此我们研究了一种新的基于圆形的marker SLAM。该方法完全避免了这些问题，在模糊、距离、噪声方面，超越了目前代表先进水平的marker SLAM: AprilTag, ARToolkit, RuneTag。报告的第二部分介绍自然场景下的FMD SLAM，其中将特征法与直接法进行融合，在前端采用直接法进行跟踪，在后端采用特征法对地图进行优化和更新，达到了速度与精度都可以兼顾的目的。在公开数据库上与SVO、ORB SLAM2相比，得到了优越的性能。报告最后给出视觉SLAM目前还存在的一些难点以及未来的研究展望。

邹丹平，副教授，目前就职于上海交通大学。他的研究兴趣为视觉SLAM与多源融合定位导航。他2010年于复旦大学获计算机应用技术博士学位，2010-2013年任新加坡国立大学博士后研究员。2013年加入上海交通大学北斗导航与位置服务实验室，他在SLAM方面的代表工作有动态环境下群体协同CoSLAM，面向结构化环境的StructSLAM以及StructVIO等。他发起并连续策划了五届上海交通大学无人机智能感知技术挑战赛，并在2017年推广为全国性赛事。

报告题目：无人系统中的视觉SLAM-融合环境与载体信息的方法

视觉SLAM方法在近十年发展迅速，算法框架已趋向成熟，被应用于包含移动机器人、无人机、自动驾驶车辆等无人系统的定位与导航系统。在实际应用中，由于应用场景的差异性和复杂性，视觉SLAM方法运行效果往往和benchmark运行效果差距较大。针对该问题，报告介绍针对应用场景深度订制的视觉SLAM思路。该思路从环境结构特性与载体运动特性两方面入手提升视觉SLAM的性能。报告将回顾环境结构特性的描述方法与观测模型，以及移动机器人与旋翼无人机两种典型载体的运动特性，最后介绍如何将两者融入到视觉SLAM系统中以提升实际应用中的精度与可靠性。

Ping Tan is an associate professor at the School of Computing Science in the Simon Fraser University (SFU). Before that, he was an associate professor at the Department of Electrical and Computer Engineering in the National University of Singapore (NUS). From 2016 to 2018 April, he worked in Qihoo 360's AI Lab in Beijing, China. He received his PhD degree in Computer Science & Engineering from the Hong Kong University of Science and Technology in 2007, and his Master and Bachelor degrees from Shanghai Jiao Tong University, China, in 2000 and 2003 respectively. He has served as an editorial board member of the International Journal of Computer Vision (IJCV), Computer Graphics Forum (CGF), and the Machine Vision and Applications (MVA). He has served as an area chair of CVPR and a program committee member of SIGGRAPH, SIGGRAPH Asia.

报告题目：A Novel Approach Toward Dense Monocular SLAM

Visual SLAM has been studied for many years and many successful systems have been developed, such as ORB-SLAM and DSO. These methods typically only reconstruct a sparse map of the scene, i.e. a set of sparse point clouds to depict the scene structure. However, many applications require a dense 3D map for obstacle avoidance or user interaction under VR/AR. Dense SLAM amounts to building such a dense 3D map at the same time of tracking the camera motion. Dense SLAM with a monocular camera is an unsolved problem. This talk presents two recent works toward this goal. In the first work, we use a polarization camera for dense stereo. Polarization cameras can capture multiple polarized images in a single video frame to exploit polarimetric 3D constraints for dense stereo. These constraints allow us to reconstruct featureless objects such as white walls and reflective objects in the scene. In the second work, we employ a deep neural network to learn shape prior for dense stereo reconstruction. The learned priors significantly simplify the reconstruction problem and makes the reconstruction more robust to camera motion.

刘勇，博士，浙江大学智能系统与控制研究所教授，浙江大学求是青年学者，浙江省“新世纪151 人才工程”第三层次培养人员，担任浙江省机器人专家组专家。承担NSFC-浙江两化融合联合基金、国家自然科学基金青年和面上项目、科技部863 重点项目子课题、浙江省杰出青年基金、工信部重大专项等国家级省部级项目多项。获得浙江省自然科学奖2017（一等奖），科学进步奖2013（一等奖），发表SCI 论文20 余篇，授权发明专利6 项。主要研究方向包括：智能机器人系统、机器人感知与视觉、深度学习、大数据分析，多传感器融合等。

李名杨，本科毕业于电子科技大学自动化专业，博士毕业于加州大学河滨分校电子工程专业。博士毕业之后，在Google Tango/Daydream从事AR/VR算法的研发以及产品化的工作，2017年底加入阿里巴巴人工智能实验室负责机器人算法的工作。其主要研究方向包括计算机视觉、机器人定位和导航、以及多传感器融合。已在IJRR，RSS，ICRA等国际一流机器人杂志和会议发表论文以及专利20余篇，其主要的研究成果已经被Google Tango/ARCore等项目大规模使用和推广。

活动报名

本次“视界无限”专题研讨会的主题是同时定位与地图构建（SLAM）的前沿进展与未来趋势，面向国内外高校和企业界的研究者开放报名。参会者无需缴费、食宿差旅自理。本次活动新设“Poster交流”环节，拟邀请近年来发表的SLAM论文的作者进行海报讲解，并与参会嘉宾深入交流。为了保证研讨会的效果，活动设置参会名额上限。如您有意参会，请于2019年3月28日前将回执发送至活动联系人。组委会将根据报名情况进行筛选并及时发送确认邮件，请以收到确认邮件为准。

杨巨峰：yangjufeng@nankai.edu.cn

彭莉：pengli@cad.zju.edu.cn

杨镑镑：ybbbbt@zju.edu.cn

参会回执

姓名
单位
身份	O 教师 O 学生 O 其他
电话
邮箱
代表作1篇（如拟展示海报，请填写该信息）	作者：题目：期刊/会议名称及年份：
备注