摘要
利用惯导与视觉（单目）组合，在未知环境下检测运动特征点。
方法简介：
首先用估计量初始化方法估计特征点的运动速度与三维位置，以及重力方向？
Then，基于特征点的重投影，一个迭代的运动目标检测算法对静态点、动态点进行分类。即动态点的重投影误差大于静态点的重投影误差。
最后剔除动态点，利用静态点做定位和速度估计。
流程图：
背景：
首先使用TBD，（Track-Before-Detect ）来区分动态静态点不容易。
Wang使用DATMO方法去区分动静态物体：
其中4）里面有两种方法，一是基于一致性，二是基于建立运动目标的地图。但缺点是在初始化时，需要保证在纯静态环境中执行。
两篇关于运动目标检测与SLAM的文献
一篇相关文献：
具体方法：
1.Estimator initialization algorithm。利用带三轴陀螺仪和加计的IMU以及图像二维特征来计算
①特征点三维坐标以及相对相机的运动速度；
②重力方向；
③相机的初始位置。
建立了一个线性可解的方程……
2.The recursive moving object detection algorithm.
K-means基于特征点的速度进行分类，分两类。用重投影法计算IMU-相机和已被分组的点的相对运动。怎么得到特征点的速度？
