BAD SLAM: Bundle Adjusted Direct RGB-D SLAM

开源代码：http://www.eth3d.net/

摘要

       即时定位和重建（SLAM）系统的一个关键组成是加入3D图评估和相机轨迹的优化。捆绑调整（BA）对于这个是黄金标准。由于在稠密RGB-D SLAM中大量的变量，先前的工作集中在BA近似。相反，在这篇文章中，我们提出一个新颖快速直接BA方案，来应用到一个实时稠密的RGB-D SLAM 算法。

        另外，我们展示了直接RGB-D SLAM 系统对卷帘快门、RGB和深度传感器协同、标定误差是高度敏感的。为了促进先进的研究在直接RGB-D SLAM，我们提出了一个新颖的，很好的标定基准针对这个任务通过使用RGB和深度相机全局快门。它包括一系列训练集，测试集没有公共基础真值，一个在线的评估服务。我们观察方法的等级改变在这个数据集上，对比存在的方法，我们提出的算法优于所有其它评估SLAM方法。我们的基准和我们开源的SLAM算法开源在：http://www.eth3d.net/

                                                   

结论

       我们展示了一个新颖RGB-D SLAM 方法，通过使用一个实时直接BA后端使用点元。这允许使用丰富的信息在全局优化中，具有精确的轨迹。未避免未删除的几何扭曲，我们展现了一个RGB-D SLAM 基准，通过使用协同的全局快门相机。在这个基准上，直接方法像我们自己的和DVO SLAM 表现一致好相比于间接的ORB-SLAM2在当前存在的数据集上。我们相信这个是非常有兴趣的对于社区，因为它在存在的数据集上展示只给出SLAM算法的部分性能。这个基准也包含硬序列作为RGB-D SLAM（仅视觉）公开挑战。例如，使用轮廓或者初始深度测量从RGB图像可能帮助我们解决它们。在将来的工作，一个可能应该的标准技术，例如开窗BA可以在较长的序列中保持实时BA。

更多《计算机视觉与图形学》知识，可关注下方公众号：