5月14日，CMU机器人学院的博士后王晨为我们带来了主题为《基于图学习的移动机器人目标编码与识别》的直播讲解。目前为止，「移动机器人技术系列课」已完结4讲，课程累计观看人次约8000人次。想要观看回放的朋友可以点击文章底部的“阅读原文”观看回放。

三维语义地图在移动机器人的导航、路径规划、智能抓取、人机交互等任务中有着关键的作用，因此如何实时地构建三维语义地图尤为重要。根据硬件设备的不同，SLAM主要有两种：基于激光雷达的SLAM和基于视觉的SLAM。

基于激光雷达进行定位与鉴于是古老并且可信的方法，激光雷达也是精确场景使用最多的SLAM传感器。它们提供机器人本体与周围环境障碍物间的距离信息。常见的激光雷达，例如SICK、Velodyne还有我们国产的rplidar等，都可以拿来做SLAM，但总体来说激光雷达的价格都是非常昂贵的。

基于视觉的SLAM主要是通过摄像头采集来的数据进行同步定位与地图构建。相比于激光雷达，摄像头的价格就是要低的多。并且通过视觉传感器采集的图像信息要比激光雷达得到的信息丰富，更加利于后期的处理，因此基于视觉的SLAM技术被认为是移动机器人走向智能化的重要基础之一。

目前的视觉SLAM研究大多默认机器人所处的环境是静态的，若场景内存在体积较大的运动物体，则传统方法在计算过程中将会受到严重的干扰而出现相机定位误差增大以及地图产生重影等问题，这极大地限制了视觉SLAM在现实场景中的应用。

在5月20日晚7点的「移动机器人技术系列课」中，我们邀请到了新加坡南洋理工大学在读博士季特特，就《动态环境下的实时语义定位与建图》这一主题进行直播讲解。

季特特目前是新加坡南洋理工大学在读博士，主要的研究方向为基于视觉的机器人感知、定位与建图，并在ICRA等机器人领域国际顶级会议上发表多篇论文。而在本次的课程中，季博士将会从传统SLAM在动态环境下的局限性出发，深度讲解基于语义信息和几何信息的实时动态SLAM，及其在移动机器人感知中应用。