论文阅读模块将分享点云处理,SLAM,三维视觉,高精地图相关的文章。公众号致力于理解三维视觉领域相关内容的干货分享,欢迎各位加入我,我们一起每天一篇文章阅读,开启分享之旅,有兴趣的可联系微信dianyunpcl@163.com。
SVO 2.0
视觉里程计(VO)的直接方法由于能够利用图像中所有强度梯度的信息而得到广泛应用。然而,低计算速度以及缺乏对最优性和一致性的保证是直接方法的限制因素,基于特征的方法在这方面已经取得了成功。基于这些考虑,我们提出了一种半直接VO(SVO),它使用直接方法来跟踪和三角化具有高图像梯度特征的像素,但依赖基于特征的方法来联合优化结构和运动。结合一种鲁棒的概率深度估计算法,使得系统能够在纹理较少或高频的环境中有效地跟踪位于弱角和边缘的像素。我们进一步证明,该算法可以很容易地扩展到多个摄像机,边缘跟踪,包括运动先验,并使用非常大的视场摄像机,如鱼眼和透视相机。对基准数据集的实验评估表明,该算法的速度明显快于最新技术(在标准i7笔记本电脑上可运行高达400hz),极具竞争力的精度。
SVO 2.0 代码:https://github.com/uzh-rpg/rpg_svo_pro_open.git
苏黎世大学Scaramuzza教授的实验室的半直接法视觉里程计SVO 2.0 代码终于开源啦!SVO 2.0 论文三年前就已经发布,代码刚刚开源!SVO 2.0 有如下特点:
1、支持透视、鱼眼和双目相机;
2、视觉+惯导里程计: SVO 2.0 +视觉惯性滑动窗口优化后端(OKVIS修改);
3、视觉+惯导SLAM: SVO 2.0 +视觉惯性后端+使用iSAM2全局BA地图。全局地图是实时更新(依赖iSAM2),并用于定位;
4、通过DBoW2和位姿图形成的闭环检测支持轻量的、全局一致性的地图生成。
相关论文
学习博客
https://www.zhihu.com/question/39904950
https://blog.csdn.net/heyijia0327/article/details/51083398