【SLAM】开源 | 慕尼黑工业大学—DSO优秀的直接SLAM算法！

论文地址： https://vision.in.tum.de/_media/spezial/bib/engel_et_al_pami2018.pdf

代码： https://github.com/JakobEngel/dso.git

来源： 慕尼黑工业大学

论文名称：Direct Sparse Odometry

原文作者：Jakob Engel

内容提要

我们提出了一种新的直接稀疏视觉里程计方法。它融合了一个完全直接的概率模型(最小化光度误差)，通过联合优化所有模型参数的一致性，其中包括在参考帧中表示为逆深度的几何参数和摄像机运动参数。本文算法是通过忽略之前在其他直接方法中使用的平滑性来实时实现的，而不是在整个图像中均匀地对像素采样。由于我们的方法不依赖于关键点检测器或描述符，它可以自然地从所有具有强度梯度的图像区域采样像素，包括边缘区域或大部分强度变化平滑的白色墙壁。本文模型集成了一个完整的算法流程，其中包括光度校准，曝光时间优化，镜头光晕消除，和函数的非线性响应。我们在三个不同的数据集上对我们的方法进行了全面的评估，这些数据集包含了几个小时的视频数据。实验表明，在各种真实环境下，本文所提出的方法在跟踪精度和鲁棒性方面都显著优于最新的直接和间接方法。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。