DynSLAM

收录理由

DynSLAM 是一套面向动态环境的立体视觉 SLAM 系统，它正面处理了多数建图流程刻意回避的场景——车流不断的街道。系统接收双目图像，用 ELAS 或训练好的 dispnet 模型估计深度，再通过语义分割找出车辆，最后把静态背景和每个运动物体分别重建为独立的体素模型。这种分离策略是它的核心价值：城市环境的地图可以保持干净，不会出现移动车辆拖出的重影伪影。代码本身是研究原型，基于 InfiniTAM 构建，并与 ICRA 2018 的论文紧密对应，更适合当作参考实现和二次开发的起点，而非开箱即用的库。仓库还附带了论文图表所需的原始数据和 Jupyter 笔记本，验证结论、梳理内部逻辑都比较省力。