理解「动态环境SLAM问题」，首先要弄明白： 动态环境给SLAM带来了什么不利问题，以至于我们需要去“解决”它？ 我将带来的不利问题分为以下 三个 层面。

这篇文章发表于 ICRA-2021，论文标题为 “ERASOR: Egocentric RAtio of pSeudo Occupancy-based dynamic object Removal for Static 3D Point Cloud Map Building”，该论文致力于解决 动态环境下的 SLAM 建图问题，paper链接如下，代码已开源，地址如下。

「动态环境SLAM专题」用于收录我在研究该问题的过程中重点阅读过/或我觉得有意思的paper，该专题主要讨论“SLAM中的动态物体过滤/地图更新/life-long SLAM”问题。

2021年10月5日 · 本文提出了一套 算法 —— ERASOR，能够有效滤除地图中的“鬼影”。 ERASOR 并不是在 SLAM 过程中在线地滤除动态点云，而是在SLAM构建好点云地图后，对地图进行一遍后处理，以达到目的。

通常的SLAM、定位算法都是基于静态环境假设的，也就是假设环境中都是第一类物体，显然，现实环境中并不是这样。 不过，视觉中的RANSAC匹配，2D下的MCL等算法都有一定的鲁棒性，能够适应少量的动态变化，所以只要第二、三类物体在环境中占的比重不大，

针对地图构建，动态障碍物对点云地图的构建的影响在于会在最终生成的地图中产生“鬼影”，而若简单使用在第一种情况中提到的特征点云构建地图的话，又会错误地滤除掉很多实际需要的物体信息，导致地图特征稀疏，难以进一步处理，具体的影响可见以下 ...

2021年10月10日 · 本文提出了一套算法 —— ERASOR，能够有效滤除地图中的“鬼影”。 ERASOR 并不是在SLAM过程中在线地滤除动态点云，而是在SLAM构建好点云地图后，对地图进行一遍后处理，以达到目的。

动态物体会直接影响特征点之间的数据关联，导致定位精度降低，建图中出现动态物体的“鬼影”等现象。 由于高动态物体会对实时 SLAM 过程产生较大干扰，因此我们需要尽快去除其影响。

2022年5月25日 · 动态SLAM问题的解决方法：1.将分割网络放在单独的线程；2.目标检测与语义分割网络之间的切换；3.只在关键帧上进行目标检测；4.使用队列存储关键帧进行分割。

本文提出了一套算法 —— ERASOR ，能够有效滤除地图中的“鬼影”。 ERASOR 并不是在SLAM过程中在线地滤除动态点云，而是在SLAM构建好点云地图后，对地图进行一遍后处理，以达到目的。