2018年8月6日，浙江大学CAD&CG国家重点实验室章国锋教授来访北京大学前沿计算研究中心，与中心师生及访问学者进行了座谈。座谈会由中心执行主任陈宝权老师主持。座谈会上，章国锋教授就目前在SfM（运动恢复结构）和SLAM（即时定位与地图构建）领域的相关研究进行了细致的讲解。章国锋教授多年来一直致力于推动3D重建与SfM/SLAM方向的研究，相关工作受到了广泛关注。

　　首先，章国锋教授向大家讲解了SfM/SLAM的基本概念及实现方法，并介绍了该领域的前沿工作ENFT SfM和ENFT SLAM。在这两篇工作中，章教授针对传统特征点匹配存在的问题，提出了基于两遍匹配策略和利用多平面运动先验来提高匹配准确率并增加匹配数量的方法。在讲解平面运动先验时，针对相应的理论和计算问题和大家展开了讨论。同时，他还讲解了非连续帧特征匹配的方法，不同于传统的词袋模型，将特征点匹配和匹配矩阵联合迭代优化，在提高准确度的同时大大降低了计算复杂度。当讲解到基于分段的Bundle Adjustment（集束调整）方法时，面对听众的疑问，章教授给予了耐心的解答，让大家对这篇工作有了更加深刻的理解。随后，章教授讲解了在Bundle Adjustment方面的工作EIBA和ICE-BA，在保持精度的同时使计算时间较前人工作缩短一个数量级。

　　接下来，章教授介绍了在SLAM领域其他方向的工作进展。首先从原理上对Keyframe based SLAM和Filter based SLAM进行比较。相比于Filter based SLAM，Keyframe based SLAM去掉了大量冗余的约束条件，使得其在约束条件较少的情况下优化相机姿态和场景重建，并在精度，效率，和尺度扩展性三个方面都优于Keyframe based SLAM。此外，章教授还介绍了基于RGB-D数据和关键帧方法的稠密SLAM方法，动态场景的SLAM问题。在讲解动态场景SLAM的过程中，关于场景中物体可能出现的运动情况和大家展开了讨论，分析了算法失败的例子。

　　最后，章教授讲解了手机SLAM的解决方案及其在增强现实方面的应用。针对手机用户在使用相机时旋转速度快引起图像模糊，进而导致传统的SLAM方法对摄像头的跟踪失败的问题，章教授提出使用直接法，在优化函数中加入直接法的优化项，通过优化相邻图像的亮度误差来估计摄像头姿态，从而维持稳定的摄像头跟踪。

　　在这次报告的最后，章教授分享了他们工作的开源链接，代码的开源是对于相关领域的研究者支持，也是推动该领域发展的重要动力。　　

来访人简介：

　　章国锋教授，博士毕业于浙江大学，现为浙江大学CAD&CG国家重点实验室教授，在3D重建、SLAM、视频增强等领域有着重要影响力，相关文章有Efficient Non-Consecutive Feature Tracking for Robust Structure-from-Motion（TIP2016），Templateless Non-Rigid Reconstruction and Motion Tracking With a Single RGB-D Camera（TIP2017）等。