FastORB-SLAM: Fast ORB-SLAM method with Coarse-to-Fine Descriptor Independent Keypoint Matching

FastORB-SLAM: Fast ORB-SLAM method with Coarse-to-Fine Descriptor Independent Keypoint Matching

Abstract

相对于ORB_SLAM而言,本文所提出的方案对非关键帧处不进行特征点描述子的计算,节省了大量的计算资源,同时在前端引入运动模型和光流法对相机的相对位姿信息进行估算。

Introduction

视觉SLAM当前有待改善的俩大主要区域是在提升精度和减少计算量, 文中通过简历运动模型和光流法避免了计算特征点的描述信息的时间和计算量。
本文中的主要贡献是:

  • 提出一种轻量的、鲁棒的视觉SLAM 框架;
  • 一种粗略-精细的特征信息匹配方案;
  • 一种匀速模型;
  • 一种基于RGB-D信息的视觉SLAM;
  • 一种比ORB_SLMA 更快的视觉SLAM。

Related Work

主流的视觉SLAM方案有直接法和基于特征信息的非直接法。

System Overive

在这里插入图片描述
Map
介绍了地图的组成成分。
Tracking
介绍了tracking流程的步骤。
Local Mapping
Loop Closure
Camera Motion Model
李代数运算。

Coarse-to-Fine descriptor-independent krypoint matching method ou

对于特征点的描述信息只有在关键帧中提取。
First stage
首先通过运动模型将特征点信息的匹配位置指引到对应的位置处,减少计算;
之后通过光流法结合图像金字塔模型计算精确的特征点位置。
Second stage
对于外点的踢除任务,首先通过平滑的运动模型对部分不满足的点进行踢除;之后再通过基于RANSAC的基础矩阵对不合理的特征点踢除。
A.Problem Model
通过最小二乘算法求解整个图像的相对运动方向 m ( d c , d y ) m(d_c,d_y) m(dc,dy)
B.Correspondences Predication with Motion Model
展示了通过运动模型估算下一帧位姿信息的流程。
在这里插入图片描述

C.Movement Vector Solving based on an 8-Level Image Pyramid
通过最小化像素亮度信息来求解紧邻帧之间的运动模型 m ( d x , d y ) m(d_x,d_y) m(dx,dy)
在这里插入图片描述

D.Inlier Refinement
对不合里特征点的踢除包括通过平滑运动模型进行不合理特征点的踢除以及通过极线几何对不合理点进行踢除。

Experiments

Conclusion

通过在Tracking部分对特征提取信息进行改善提高运算速度,简化计算,使得整个系统轻量化。

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值