直接稀疏视觉里程计
计算机视觉与模式识别
2016-10-10 v2
摘要
我们提出一种新颖的直接稀疏视觉里程计公式。它将一个全直接概率模型（最小化光度误差）与所有模型参数（包括几何——在参考帧中表示为逆深度——以及相机运动）的一致联合优化相结合。这是通过省略其他直接方法中使用的平滑先验，转而均匀采样整个图像中的像素，以实时实现的。由于我们的方法不依赖于关键点检测器或描述子，它可以自然地从所有具有强度梯度的图像区域（包括边缘或大部分白墙上的平滑强度变化）采样像素。所提出的模型集成了完整的光度标定，考虑了曝光时间、镜头渐晕和非线性响应函数。我们在包含数小时视频的三个不同数据集上彻底评估了我们的方法。实验表明，在多种真实世界设置下，无论是在跟踪精度还是鲁棒性方面，所提出的方法都显著优于最先进的（state-of-the-art）直接和间接方法。
引用
@article{arxiv.1607.02565,
title = {Direct Sparse Odometry},
author = {Jakob Engel and Vladlen Koltun and Daniel Cremers},
journal= {arXiv preprint arXiv:1607.02565},
year = {2016}
}
备注
** Corrected a bug which caused the real-time results for ORB-SLAM (dashed lines in Fig. 10 and 12) to be much worse than they should be ** Added references [12], [13],[19], and Fig. 11. ** Partly re-formulated and extended [5. Conclusion]. ** Fixed typos and minor re-formulations