几何SLAM 还是学习SLAM？| 2019世界人工智能大会·EasyAR增强现实论坛精彩预告

　　扫地机器人因为有它才能认识我们的家；

　　无人驾驶汽车因为有它才能认识路；

　　无人机因为有它才能规避障碍物；

　　AR因为有它才能实现真正的虚实融合...

　　它就是SLAM（simultaneous localization and mapping ），中文意思是同步定位与建图，旨在同时解决实时跟踪设备在环境中的位置，并同时维护和更新位置环境的地图问题，你可以简单理解为“一边计算自身位置，一边构建地图的过程”。

　　自从上世纪80年代SLAM概念的提出到现在，SLAM技术走过了三十多年的历史，已经成为增强现实（AR）、机器人和无人驾驶等领域的关键技术。传统的基于几何的SLAM方法已经在机器人、无人驾驶等领域取得比较好的结果并已经产品化。近年来随着深度学习在计算机视觉领域的成功，越来越多人尝试利用深度学习的最新方法用于解决SLAM问题。但是相比于图像识别、检测和跟踪等领域的成功，基于深度学习的方法在三维视觉领域仍然在鲁棒性、精度、可扩展性上与传统方法存在一定差距。但是最新的研究表明，在越来越多的任务上，深度学习的方法已经开始逼近甚至在某些情况下超越传统基于几何的方法。

　　那么未来SLAM会朝什么方向发展，是几何SLAM 还是学习SLAM？

　　中国科学院自动化研究所、模式识别国家实验室机器视觉组组长--吴毅红博士给出了她的答案。吴毅红博士将在“2019世界人工智能大会·EasyAR增强现实论坛”上带来主题为《几何SLAM 还是学习SLAM？（Geometric SLAM or Learning SLAM）》的精彩演讲。她将分析几何与深度学习融合的前景，并介绍其最近在几何与深度学习融合的SLAM方面的系列工作，包括FMD SLAM中深度哈希相似分层的闭环检测，动态目标SLAM中的深度学习分割与运动模糊的抠图工作，大场景中深度哈希学习描述子与随机森林结合的SLAM重定位，带你看清SLAM的未来发展方向。

　　吴毅红，中国科学院自动化研究所、模式识别国家重点实验室机器视觉组组长, 研究员，博士生导师。研究方向为多视几何理论、相机标定与定位、SLAM及在机器人定位与导航、AR、VR中的应用。在国际权威期刊和重要会议等上发表论文80余篇，包括PAMI、IJCV、ICCV、ECCV上第一作者论文。申请或获权国内外发明专利16项。曾担任ICCV、CVPR、ACCV、ICPR、IJCAI等的PC委员或Session/Area Chair。目前为《Pattern Recognition》编委、《自动化学报》编委、《计算机辅助设计与图形学学报》编委、《计算机科学与探索》编委，《Visual Computing for Industry, Biomedicine, and Art》编委。中国图形图像学会三维视觉专委会副主任，中国图形图像学会机器视觉专委会常委。首批阿里菜鸟驼峰计划特约专家。获三星电子校企合作卓越贡献奖。获1项高等学校科学研究自然科学奖二等奖。为诺基亚芬兰、三星、华为、百度等企业提供视觉SLAM技术服务累计10余年。