AB-VINS：轻巧高效的数视觉惯性SLAM系统

我们提出了AB-VINS，这是一种不同的视觉惯性SLAM系统。与大多数流行的VINS方法仅使用手工技术不同，AB-VINS利用了三个不同的深度神经网络。与估计稀疏特征位置不同，AB-VINS仅估计单目深度图的尺度和偏差参数（a和b），以及其他用于利用多视角信息校正深度的术语，这导致压缩后的特征状态。尽管AB-VINS是一个基于优化的系统，其前端运动跟踪线程的效率甚至超过了最先进的基于滤波的方法，同时还能提供稠密深度。在进行闭环处理时，标准的关键帧基于SLAM系统需要对与关键帧数量成线性关系的诸多变量进行重新线性化。相比之下，所提出的AB-VINS在 incorporating闭环时仅影响恒定数量的变量。这得益于一种名为记忆树的新型数据结构，其中关键帧姿态相对于彼此定义，而不是全部在一个全局坐标系中，从而允许除少数几个状态外的所有状态固定。尽管AB-VINS可能不如最先进的VINS算法那样精确，但它被证明更具鲁棒性。