VITAMIN-E：基于极密集特征点的视觉跟踪与建图
计算机视觉与模式识别
2019-12-17 v2
摘要
在本文中，我们提出一种称为“VITAMIN-E”的新型间接单目 SLAM 算法，该算法由于跟踪极密集的特征点而具有高精度和强鲁棒性。典型的间接方法因其为准确匹配而进行的谨慎特征点选择，难以重建密集几何。与常规方法不同，所提方法通过跟踪由主导流估计告知的曲率局部极值来处理大量特征点。因为这可能在束调整期间导致高计算成本，我们提出一种新颖的优化技术“子空间高斯-牛顿法”，其通过部分更新变量显著提高了束调整的计算效率。我们同时从重建点生成网格并将其合并为完整的 3D 模型。在 SLAM 基准数据集 EuRoC 上的实验结果表明，所提方法在轨迹估计的精度和鲁棒性方面均优于最先进的 SLAM 方法，如 DSO、ORB-SLAM 和 LSD-SLAM。所提方法仅使用 CPU 即同时从密集特征点实时生成了显著详细的 3D 几何。
引用
@article{arxiv.1904.10324,
title = {VITAMIN-E: VIsual Tracking And MappINg with Extremely Dense Feature Points},
author = {Masashi Yokozuka and Shuji Oishi and Thompson Simon and Atsuhiko Banno},
journal= {arXiv preprint arXiv:1904.10324},
year = {2019}
}