1
摘要
在现代视觉SLAM系统中,从关键帧中检索候选地图点是一种标准做法,用于进一步的特征匹配或直接跟踪.在这项工作中,我们认为关键帧不是这项任务的最佳选择,因为存在几个固有的限制,如弱几何推理和较差的可扩展性...同步定位和建图是机器人学的基础,在各种现实应用中起着举足轻重的作用,如增强/虚拟现实和自主驾驶.过去十年,这一领域取得了快速进展.今天最先进的SLAM系统,特别是视觉惯性SLAM,在功率和内存受限的设备上实时执行...理想情况下,地图表示应该知道场景的几何形状,并且在计算时间和内存方面是高效的.图1显示了不同的地图表示如何在这些轴上执行.理想的表示应该允许更好的几何推理,这带来了更高的准确性.但在效率方面仍然与基于关键帧的方法相当....然后我们沿着一条平行于墙壁的线在10个位置查询地图(即获得可见的3D点).对于不同的地图尺寸,我们将墙的长度从100米增加到900米.为了确保地图点的密度相同,地图点从1000增加到9000.我们建立了两种不同的地图表示...,我们的方法在计算时间方面的表现类似于最低关键帧图大小(5个关键帧图,即KF5),同时实现了更高的精度.例如与KF5相比,我们在EuRoC序列上实现了3%(MH 05)至80%(MH02)的平均46.2%