作者丨Moonkissu@知乎

来源丨https://zhuanlan.zhihu.com/p/64825421

编辑丨3D视觉工坊

之前做的深度学习闭环检测 这方面，最近想了解下语义这方面，于是总结了一些开源的语义SLAM代码共后面研究：

参考：https://github.com/Ewenwan/MVision/blob/master/vSLAM/VS_SLAM/readme.md

1.CNN (PSPNet) + ORB_SLAM2 语义SLAM Real time semantic slam in ROS with a hand held RGB-D camera

源码：https://github.com/Ewenwan/semantic_slam

2.DynaSLAM：

https://github.com/Ewenwan/semantic_slam

3.动态语义SLAM 目标检测+VSLAM+光流/多视角几何动态物体检测+octomap地图+目标数据库

源码：https://github.com/Ewenwan/ORB_SLAM2_SSD_Semantic

【这个很全做得很好】

4.ORB-SLAM-RGBD-with-Octomap

https://github.com/Ewenwan/ORB-SLAM-RGBD-with-Octomap

5.利用光流和语义分割来进行 动态环境建模

https://github.com/Ewenwan/DynSLAM

6.DynaSLAM:基于ORB-SLAM2修改 动态环境建模

dynamic environments for monocular, stereo and RGB-D setups

源码：https://github.com/Ewenwan/DynaSLAM

主要思想

利用 语义分割信息 和 几何信息得到的 动/静分割信息，剔除部分不可靠的 关键点来使得 跟踪 变得更可靠

使用mask-rcnn获取 语义分割信息

使用 运动点 判断准则 获取 动/静 mask

结合 语义mask 和 动/静 mask 生成 需要剔除的 mask

在构造帧 的时候 对 提取的关键点 进行滤波，删除 不可靠的 关键点，使得 跟踪更可靠

思考

1. 是否可以 结合 光流 来生成 动/静 mask ，不过要考虑相机自身的运动引起的光流

2. 如果用于导航，仅仅依靠orb关键点，数量不够，是否可以 添加 边缘 关键点检测算法

7.Co-Fusion CRF图像分割　+ ElasticFusion(RGBD-SLAM)

https://github.com/Ewenwan/co-fusion

8.rgb-slam + 语义分割mask-rcnn

https://github.com/Ewenwan/maskfusion

9.卷积-反卷积语义分割cnn(基于caffe) + ElasticFusion(稠密SLAM) + CRF融合

https://github.com/Ewenwan/semanticfusion

10.ORB SLAM2 + 拓扑地图 路径规划导航

https://github.com/Ewenwan/Active-ORB-SLAM2

11.RNN语义分割+KinectFusion=3 d Semantic Scene

https://github.com/Ewenwan/DA-RNN

12.semanticfusion

https://github.com/zbqlalala/semanticfusion

13.SIVO - Semantically Informed Visual Odometry and Mapping.

Integrated Bayesian semantic segmentation with ORBSLAM_2 to select better features for Visual SLAM.

https://github.com/navganti/SIVO

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近3000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~