日前，由博士生刘阳等撰写的论文“DynaMeshSLAM: A Mesh-based Dynamic Visual SLAMMOT Method”在国际机器人领域TOP期刊 IEEE Robotics & Automation Letters正式发表， https://doi.org/10.1109/LRA.2024.3396103。

该文将多目标跟踪（MOT）和视觉SLAM方法相结合，使用统一框架联合估计机器人（相机）自身位姿和周边动态物体位姿。许多视觉SLAMOT方法将动态物体表示为边界框或点云团簇，忽略使用动态物体自身的几何特性及其可以提供的附加约束。团队最新的研究提出了一种视觉SLAMMOT方法“DynaMeshSLAM”。首先，DynaMeshSLAM将动态物体表示为网格Mesh模型，融合网格投影和光流实现多级对象数据关联。其次，提出一种受约束的网格平滑方法，在考虑了投影一致性的情况下，通过平滑网格来修正动态路标点。最后，将变形图（deformation graph）纳入物体集束调整（Object BA）中，优化动态物体状态的同时确保了平滑后网格模型的局部刚性。在KITTI-Tracking数据集上的实验结果表明，我们的方法在动态物体跟踪和位姿估计方面达到了先进水平。

 IEEE Robotics & Automation  Letter（RA-L）于2015年6月1日由IEEE机器人与自动化协会（RAS）创刊，最新影响因子为5.2，是中科院SCI机器人领域TOP期刊，WJCI机器人领域学科排名前5%的期刊。

该期刊致力于发布高质量、具有创新性的高水平研究成果，并追求对机器人和自动化社区的快速传播和影响力，领域内多项经典工作（FAST-LIO，DynaSLAM等）发表于该期刊。