「AI新青年講座」將邀請世界頂尖AI研究機構和大學的科研新青年，主講他們在計算機視覺、機器學習等人工智能領域的最新重要研究成果。

AI新青年是加速人工智能前沿研究的新生力量。AI新青年的視頻講解和直播答疑，將可以幫助大家增進對人工智能前沿研究的理解，相應領域的專業知識也能夠得以積累加深。同時，通過與AI新青年的直接交流，大家在AI學習和應用AI的過程中遇到的問題，也能夠盡快解決。

有興趣分享學術成果的朋友，可以與智東西公開課教研團隊進行郵件（class@jmfly.net）聯系。

視覺SLAM技術在自動機器人和增強現實中扮演了很重要的角色，而在大量的SLAM應用中都使用單目相機在室內場景中運行。但室內場景中經常缺失紋理表面，并且分布著不規則的特征，尤其是低紋理的墻面、地板以及天花板，在最先進的特征點法或者直接法SLAM中都難解決。

基于學習和環境結構約束等信息都對于室內SLAM系統精度和效率有著重大影響。針對室內SLAM的定位、建圖和場景理解，來自慕尼黑工業大學的在讀博士李言等人提出一種用于室內場景的密集準確度-魯棒-高效-語義SLAM系統。該系統利用 RGB-D/Stereo/Monocular 和 IMU 等不同的傳感器。 受益于室內環境的共同特征和新的優化策略之間的約束，李博等人追求達到高水平的準確性。

同時，基于估計的相機姿勢獲得密集的重建圖雖然很便宜，但如何讓地圖更輕、質量更高又是另外一個問題。

為了解決這個問題，李言博士等人將深度神經網絡中的SOTA方法與基于幾何的 SLAM 系統相結合，提出了許多優秀的成果。比如提出了針對室內場景的低漂移單目SLAM方法-Structure-SLAM。該方法將跟蹤過程的旋轉和平移估計解耦，可以有效減少室內環境中的長期漂移問題。為了改善相機姿態優化的效率和準確性，提出了用于立體 SLAM 和視覺慣性測距的共平面參數化方法。同時，利用室內場景的結構規律性，為RGB-D傳感器構建了可以在CPU上提供了準確的姿態估計和緊湊網格的SLAM架構等。

7月15日晚7點30，「AI新青年講座」第137講，邀請到慕尼黑工業大學在讀博士李言參與，主講《基于SLAM的室內定位、建圖及場景理解》。

講者

李言，慕尼黑工業大學在讀博士，研究方向為不同傳感器的定位、建圖和場景理解，在IROS、ICRA、RA-L、ECCV等會議和期刊上發表多篇學術論文。

主題

《基于SLAM的室內定位、建圖及場景理解》

提綱

1、室內SLAM系統精度和效率的影響分析
2、基于不同傳感器的室內SLAM定位系統構建
3、CPU上的室內稠密重建與立體匹配方法
4、新型無漂移旋轉估計的RGB-D SLAM

直播信息

直播時間：7月15日19:30
直播地點：智東西公開課知識店鋪

論文成果

標題：《Structure-SLAM: Low-Drift Monocular SLAM in Indoor Environments》
鏈接：//arxiv.org/pdf/2008.01963.pdf

標題：《RGB-D SLAM with Structural Regularities》
鏈接：//arxiv.org/pdf/2010.07997.pdf

標題：《Co-Planar Parametrization for Stereo-SLAM and Visual-Inertial Odometry》
鏈接：//arxiv.org/pdf/2009.12662.pdf

標題：《ManhattanSLAM: Robust Planar Tracking and Mapping Leveraging Mixture of Manhattan Frames》
鏈接：//arxiv.org/pdf/2103.15068.pdf

標題：《SRH-Net: Stacked Recurrent Hourglass Network for Stereo Matching》
鏈接：//arxiv.org/pdf/2105.11587.pdf%22

標題：《Semantic Dense Reconstruction with Consistent Scene Segments》
鏈接：//arxiv.org/pdf/2109.14821.pdf