【泡泡一分钟】机器人顶级会议精华提炼（20190311-20190317）

每天一分钟，带你读遍机器人顶级会议文章

来源：计算机视觉和机器人顶级会议

播音员：水蘸墨

汇总：陈世浪，颜青松，孙钦

编译：泡泡一分钟全体组员

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

2019年3月11日至2019年3月16日，泡泡一分钟共推送了10篇文章，其内容涉及到语义分割（2篇）、场景描述（2篇）、SLAM框架（2篇）、位姿估计（1篇）、视觉里程计（1篇）、后端优化（1篇）和地图构建（1篇）等。

语义分割

语义分割视觉本周共推送2篇文章。

第一篇文章针对现有的花卉识别自动化计算机视觉系统基于手工设计、仅在特定条件下工作、性能有限等问题，提出了一种自动化的花卉识别技术，它对不受控制的环境具有鲁棒性，适用于不同的花卉品种。

基于精细语义分割网络的多品种花果检测

第二篇文章针对街景街景经常变化的问题，提出了一种新的基于深度神经网络的检测方法，该方法可以检测给定RGB图像的车道语义和拓扑结构。在此方法的基础上，仅从支持无地图自动驾驶的传感器设置中提取道路场景信息。

一种面向无地图自动驾驶的道路语义分割方法

场景描述

场景描述方面本周共推送两篇文章。

第一篇引入了一种称为DLab的新二进制描述符，它利用颜色、深度和强度的组合信息来实现唯一性、可重复性和稳健性，并在ORB-SLAM中使用DLab描述符，用修改后的FAB-MAP模块替换了原有的地点识别模块。

一种应用于人形机器人SLAM系统的组合RGB和深度信息的描述符

第二篇引入了一种新的紧凑运动表征方法，称为“光流指导特征”（OFF），其能快速鲁棒地提取时间和信息。。

OFF:快速鲁棒视频动作识别的运动表征

SLAM框架

SLAM框架本周介绍了两篇文章。

第一篇文章作者受生物体内的神经元的启发，研究了使用超低功耗，混合模拟/数字信号的神经形态硬件来实现移动机器人的路径整合及地图构造。

迈向神经形态SLAM：使用脉冲神经网络进行位姿估计与地图构建

第二篇针对无纹理的图像帧，运动模糊等情况，为了在给定空间中构建鲁棒的探索和定位系统，提出了基于子地图的VSLAM系统。

基于子地图位姿图的视觉SLAM：一个鲁棒的视觉探索和定位系统

位姿估计

文中提出了最小二乘姿态优化的良好特征选择思想。在偏差噪声假设下，选择特征子集应该可以提高优化精度。讨论了矩阵子集选择方法与最小二乘优化的解调度之间的联系。

VO/VSLAM中最小二乘位姿优化的良好特征选择

视觉里程计

由于先前的工作需要先验对象模型(例如，通过检测跟踪)、运动约束(例如，平面运动)或未能估计场景的完整SE(3)运动(例如，场景流)。虽然这些方法在特定的应用领域工作良好，但它们不能推广到无约束运动。本文扩展了传统的视觉里程计(VO)的流程来估计立体/RGBD摄像机和动态场景的全SE(3)运动。

多运动视觉里程计（MVO）：摄像机和第三方运动的同时估计

后端优化

文中提出了用于二进制描述子匹配和图像检索的汉明距离嵌入二进制搜索树（HBST）方法。HBST通过利用二进制描述子的特有属性，可以在对数时间内进行描述子搜索和插入。

HBST：用于基于特征的视觉位置识别的汉明距离嵌入二叉搜索树

地图构建

文中提出了一种基于局部子映射构造全局可变形虚拟占用网格地图（VOG-map）的映射方法。这种表示允许姿态图SLAM系统通过回环检测来校正全局累积漂移，同时为了路径规划保持自由空间信息。文中演示了这种表示用于实现水下SLAM系统，其中机器人主动规划路径以产生精确的3D场景重建。

基于位姿图SLAM和三维环境中的运动规划的子地图的虚拟占据环境地图

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号（paopaorobot_slam）。

欢迎来到泡泡论坛，这里有大牛为你解答关于SLAM的任何疑惑。

有想问的问题，或者想刷帖回答问题，泡泡论坛欢迎你！

泡泡网站：www.paopaorobot.org

泡泡论坛：http://paopaorobot.org/bbs/

泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成，希望大家珍惜我们的劳动成果，转载请务必注明出自【泡泡机器人SLAM】微信公众号，否则侵权必究！同时，我们也欢迎各位转载到自己的朋友圈，让更多的人能进入到SLAM这个领域中，让我们共同为推进中国的SLAM事业而努力！

商业合作及转载请联系liufuqiang_robot@hotmail.com