1. 动态SLAM概述：动态环境定义、动态SLAM与静态SLAM的区别、动态SLAM的挑战与难点
大家好，欢迎来到这门课的第一讲。
做SLAM这么多年，我遇到过不少同学问同一个问题：“为什么我的ORB-SLAM在实验室跑得好好的，一到商场就崩了？”
答案其实很简单——你遇到了动态环境。说白了，实验室里椅子不动、人很少，但商场里到处都是走来走去的人、移动的推车、甚至还有飘动的气球。传统SLAM的底层假设被打破了。
这一讲，我们就来聊聊动态SLAM到底是什么，它和静态SLAM有什么本质区别，以及为什么它这么难搞。
1.1 动态环境定义
先给个定义。动态环境，指的是场景中存在非刚体运动或独立运动物体的环境。这些物体相对于世界坐标系的位置会随时间变化。
我习惯把动态物体分成两类：
- 高动态物体：行人、车辆、动物、飘动的旗帜。它们运动速度快，对SLAM影响最大。
- 低动态物体：缓慢移动的窗帘、被风吹动的树叶、旋转的风扇。它们运动慢，但长期累积也会造成漂移。
核心观点：动态环境不是“有或没有”的问题，而是“动态程度”的问题。一个空房间是静态，一个公园是低动态，一个十字路口就是高动态。
我在项目中遇到过最头疼的场景是什么？是医院走廊。轮椅、病床、医护人员、推车，各种运动模式混在一起。你想想看，一个病床推过去，几乎占满了整个视野——这时候传统SLAM基本就废了。
3.2 动态SLAM与静态SLAM的区别
静态SLAM有一个核心假设：场景中大部分点是静止的。这个假设支撑了所有经典算法——特征匹配、对极几何、PnP、BA优化，全都依赖这个前提。
动态SLAM则完全不同。它必须回答三个问题：
- 哪些东西在动？——动态物体检测
- 怎么处理它们？——剔除或建模
- 剩下的静态部分够不够？——鲁棒估计
我给大家画个对比表，一目了然：
| 对比维度 | 静态SLAM | 动态SLAM |
|---|---|---|
| 基本假设 | 场景静止 | 场景部分运动 |
| 特征点处理 | 全部用于匹配 | 先分类再处理 |
| 位姿估计 | RANSAC + 最小二乘 | 鲁棒核函数 + 动态剔除 |
| 地图表示 | 静态点云 | 静态地图 + 动态物体轨迹 |
| 典型算法 | ORB-SLAM2, DSO | DynaSLAM, DS-SLAM |
| 鲁棒性 | 对动态敏感 | 对动态鲁棒 |
我的经验：静态SLAM在动态场景下不是“不能用”，而是“精度断崖式下降”。我测试过ORB-SLAM2在TUM动态序列上的表现——当动态物体占比超过30%时，轨迹误差直接翻倍。嗯，这个数字我记得很清楚。
3.3 动态SLAM的挑战与难点
好，接下来是重点。动态SLAM为什么难？我总结了四个核心难点，每一个都是坑。
难点一：动态物体检测的模糊性
你看到一个移动的物体，但你怎么确定它真的在动？
相机本身也在运动。一个静止的物体，在图像上也会产生光流。这就是运动视差和自身运动的耦合问题。
我曾经踩过一个坑：用光流法检测动态物体，结果把远处的静止建筑当成了动态——因为相机旋转太快，光流幅值超过了阈值。后来我加上了基础矩阵约束，才把误检降下来。
难点二：动态物体占比过高
如果场景中50%以上的像素都在运动，怎么办？
传统RANSAC的假设是“内点占多数”。当动态物体成为多数时，RANSAC会选错模型。我见过一个极端案例：在拥挤的地铁车厢里，静态背景几乎被完全遮挡——这时候任何基于特征匹配的方法都会失效。
避坑指南：我曾经以为只要把动态点剔除就万事大吉。后来发现，如果动态物体占比太高，剔除后剩下的静态点太少，位姿估计反而会发散。这时候需要引入多模型估计或语义先验。
难点三：动态物体的运动模式多样性
行人走路、车辆转弯、无人机飞行——每种运动的数学模型都不一样。
- 刚体运动：可以用SE(3)建模，相对简单
- 非刚体运动：人的手臂摆动、衣服飘动，很难用参数化模型描述
- 间歇性运动：一个人站着不动，然后突然开始走——运动状态切换
你想想看，一个算法要同时处理这么多运动模式，难度可想而知。
难点四：实时性与精度的权衡
动态SLAM通常需要额外的计算步骤：语义分割、光流计算、运动一致性检验。这些步骤都很耗时。
我做过一个实验：在DynaSLAM中加入Mask R-CNN做语义分割，每帧处理时间从30ms飙升到300ms。嗯，实时性直接没了。
所以，如何在保证精度的前提下做到实时，是动态SLAM工程化的最大挑战。
3.4 知识体系总览
为了让大家对本章内容有个整体认识，我画了一张框架图。这张图展示了动态SLAM的核心逻辑：从环境定义出发，到与传统方法的对比，再到具体挑战。
这张图把本章的核心逻辑串起来了。从上到下，你可以看到：我们先定义什么是动态环境，然后对比动态SLAM和静态SLAM的差异，最后落到四个具体挑战上。后面的课程，我们会逐一攻克这些难点。
一个小建议：如果你刚开始接触动态SLAM，建议先把这张图打印出来贴在工位上。每次遇到问题，先看看它属于哪个环节——是检测问题？还是占比问题？这样思路会清晰很多。
好了，这一讲就到这里。动态SLAM的概述部分，说白了就是让大家明白：这不是一个“加个滤波器就能解决”的问题。它需要我们从底层重新思考SLAM的假设和架构。
下一讲，我们会深入动态物体的检测方法——从几何约束到深度学习，我会把我在项目中踩过的坑和总结的经验，毫无保留地分享出来。
公众号:蓝海资料掘金营，微信deep3321