Kintinuous是基于RGB-D相机的实时SLAM系统，适用于数百米的大场景，保证全局一致性的高质量表面重建。通过3D循环缓存扩展无界空间融合，结合几何和光度约束优化相机位姿估计，利用闭环检测更新地图。算法主要包括场景融合、相机位姿估计和闭环检测三个部分。
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
最低0.47元/天 解锁文章
6290
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
