DeepFactors：实时概率稠密单目 SLAM
计算机视觉与模式识别
2020-01-16 v1
摘要
从单目图像中估计丰富几何与相机运动的能力，对未来交互式机器人与增强现实应用至关重要。已有多种方法被提出，它们在场景几何表示（稀疏路标、稠密地图）、用于优化多视图问题的一致性度量，以及学习先验的使用上各不相同。我们提出了一个在概率框架下统一这些方法、同时仍保持实时性能的 SLAM 系统。这是通过使用学习到的紧凑深度图表示，并重构三种不同类型的误差——光度、重投影与几何误差——来实现的，我们在标准因子图软件中利用了这些误差。我们在真实世界序列上评估了我们的系统在轨迹估计与深度重建上的表现，并给出了多个估计稠密几何的示例。
引用
@article{arxiv.2001.05049,
title = {DeepFactors: Real-Time Probabilistic Dense Monocular SLAM},
author = {Jan Czarnowski and Tristan Laidlow and Ronald Clark and Andrew J. Davison},
journal= {arXiv preprint arXiv:2001.05049},
year = {2020}
}
备注
RA-L