论文地址: http://arxiv.org/pdf/2008.10123v1.pdf
代码: https://github.com/ivalab/gf_orb_slam2
来源: Facebook Reality Lab,乔治亚理工学院
论文名称:Good Graph to Optimize: Cost-Effective, Budget-Aware Bundle Adjustment in Visual SLAM
原文作者:Yipu Zhao
内容提要
视觉(惯性)SLAM (VSLAM)的成本效益是资源有限的应用的一个关键特征。虽然硬件和算法的进步极大地提高了VSLAM前端的成本效率,但VSLAM后端的成本效率仍然是一个瓶颈。本文提出了一种新的、严格的方法来提高基于BA的VSLAM后端局部BA的成本效益。Good Graph是一种有效的优化算法,该算法能有效地选择局部BA中条件保持良好的尺寸约简图。为了更好地适应基于BA的VSLAM后端,Good Graph预测未来的评估需求,动态分配适当的大小预算,并选择条件最大的子图进行BA估计。评估分两种情况进行: 1) VSLAM作为独立进程,2) VSLAM作为闭环导航系统的一部分。结果表明,在存在计算限制的情况下,Good Graph提高了VSLAM估计的准确性和鲁棒性。第二种情况的结果表明,Good Graph有利于提高基于VSLAM的闭环导航系统的轨迹跟踪性能,也就是VSLAM的主要应用。
主要框架及实验结果