Deep Patch 可视 SLAM
计算机视觉与模式识别
2024-08-06 v1
摘要
近期的视觉 SLAM 研究表明，使用深度网络骨干网络的效果良好。尽管精度卓越，但此类方法往往运行昂贵，或在零样本情况下的泛化性不足。此外，它们的运行时也可能剧烈波动，前后端争夺 GPU 资源。为此，我们提出 Deep Patch 可视 SLAM (DPV-SLAM)，一种针对单一 GPU 的单目视觉 SLAM 方法。DPV-SLAM 相较于现有深度 SLAM 系统，保持了更高的最小帧率并具有较小的内存开销 (5-7 GB)。在真实世界数据集上，DPV-SLAM 可实现 1 倍至 4 倍的实时帧率。我们在 EuRoC 和 TartanAir 数据集上实现了与 DROID-SLAM 相当的精度，同时仅使用约 1/4 的内存即可运行速度快 2.5 倍。DPV-SLAM 是 DPVO 可视里程计系统的一个扩展；其代码可在同一仓库中找到：https://github.com/princeton-vl/DPVO
引用
@article{arxiv.2408.01654,
title = {Deep Patch Visual SLAM},
author = {Lahav Lipson and Zachary Teed and Jia Deng},
journal= {arXiv preprint arXiv:2408.01654},
year = {2024}
}