以下內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文##開(kāi)源代碼# ?Keeping Less is More: Point Sparsification for Visual SLAM

論文地址：https://arxiv.org/abs/2207.00225

? ?當(dāng)將SLAM用于真實(shí)世界中實(shí)際的問(wèn)題（例如自動(dòng)駕駛、無(wú)人機(jī)和AR設(shè)備）上時(shí)，其內(nèi)存占用和計(jì)算成本是限制性能和應(yīng)用范圍的兩個(gè)主要的因素；在離散的特征點(diǎn)SLAM算法中，解決這個(gè)問(wèn)題的一個(gè)有效的方式是通過(guò)loca BA 和global BA刪除點(diǎn)進(jìn)而限制地圖點(diǎn)的規(guī)模；本項(xiàng)研究中提出了一種在SLAM系統(tǒng)中實(shí)現(xiàn)地圖點(diǎn)稀疏化的有效的圖優(yōu)化方法，具體上作者將最大位姿可見(jiàn)性和最大空間多樣性問(wèn)題表示成一個(gè)最小成本最大流量圖優(yōu)化問(wèn)題。

? ? 作者所提出的方法可以在現(xiàn)存的SLAM系統(tǒng)中作為額外的一個(gè)步驟，因此它可以用于傳統(tǒng)和學(xué)習(xí)的SLAM系統(tǒng)；通過(guò)大量的實(shí)驗(yàn)評(píng)估證明所提出的方法用大約1/3的地圖點(diǎn)和1/2的計(jì)算實(shí)現(xiàn)了更精確的相機(jī)位姿。

本文貢獻(xiàn)如下：

1、提出了一個(gè) 相機(jī)位姿對(duì)和3D點(diǎn)最大的點(diǎn)可見(jiàn)性的圖表示方法；

2、提出了一種新的cost用于最大化圖像空間上二維特征的空間多樣性；

3、提出了一種 基于最小代價(jià)最大流量的點(diǎn)稀疏化算法來(lái)控制剩余點(diǎn)的數(shù)量；

4、提供了詳細(xì)的位姿準(zhǔn)確性、點(diǎn)減少和各種室內(nèi)/室外公共數(shù)據(jù)集的改進(jìn)速度比較；

以上內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈 每日更新內(nèi)容