利用陀螺正则化增强特征跟踪

我们提出一种深度集成低成本陀螺仪以改善通用特征跟踪的方法。大多数先前方法使用陀螺仪来初始化和限定特征的搜索范围。相反，我们使用它们来正则化跟踪能量函数，从而能直接辅助模糊和劣质特征的跟踪。我们证明，我们的简单技术在性能上相比传统基于模板的跟踪方法有明显提升，并且实际上可与更复杂且计算昂贵的 SOTA 跟踪器竞争，但仅以一小部分计算代价。此外，我们表明，使用陀螺仪预测的光流来初始化如 KLT (Kanade-Lucas-Tomasi) 等基于模板的特征跟踪器，相比仔细的纯光学初始化方法并无优势，这表明需要某种更深层次的集成，如我们提出的方法，才能从这些惯性传感器实现真正的跟踪性能提升。