理解本文需要有KinectFusion的基础,建议先阅读我的文章“KinectFusion 论文精析”对KinectFusion的讲解。
Kintinuous利用消费级RGB-D相机,实现了实时SLAM系统,该SLAM系统可以运用在几百米大的场景中,并且得到高质量的全局一致性表面重建。
Kintinuous的工作主要有以下三个亮点:
* 1.利用基于GPU的3D循环缓存技巧将深度图(depth map)的fusion扩展到无界空间区域(unbounded spatial region);
* 2.同时利用稠密的几何(geometric)相机位姿约束和光度(photometric)相机位姿约束,克服了大场景下相机位姿估计不准确的限制;
* 3.根据场景识别(place recognition)和随后的闭环限制(loop closure constraint),使用尽可能刚性(但其实是非刚性)的空间变形(space deformation)来更新建好的地图。
下面,我们通过扩展尺度的场景融合、相机位姿估计、闭环检测三个部分来介绍Kintinuous算法:
一、扩展尺度的场景融合
1.场景表示
Kintinuous算法依然沿用TSDF建模空间场景,这在我之前介绍KinectFusio