论文阅读笔记： (2018.08, iros) LDSO: Direct Sparse Odometry with Loop Closure

我自己关于DSO相关的论文阅读笔记汇总在这里： 

论文阅读笔记：vslam之DSO系列_chaoqinyou的博客-CSDN博客想用这篇文章，把DSO系列的文章穿起来读一下！DSO系列文章是稀疏直接法vslam的代表，这个系列的文章大多发表在机器人或者视觉的顶刊或者顶刊上，也有不少开源的实现，非常值得学习！TUM Computer Vision Group的链接镇场：Computer Vision Group - Visual SLAMVisual SLAMVisual SLAMIn Simultaneous Localization And Mapping, we track the pose of the sensor.https://blog.csdn.net/chaoqinyou/article/details/123032478?spm=1001.2014.3001.5501LDSO的代码是开源的，文档也比较详细：

https://github.com/tum-vision/LDSOhttps://github.com/tum-vision/LDSO

一、创新点：

1. 在保证poor-feature环境下鲁棒性的同时， 倾向于选择图片中的角点，方便计算特征给BoW进行回环检测；

2. 回环：1） 匹配点的深度进行Sim(3)计算 + pose-only BA ；2）Point cloud alignment ；用滑动窗口优化得到的共视图（co-visibility graph）把二者融合；

二、实现

2.1 总体框架(Framework)

 在原版DSO的基础上增加全局位姿图优化：

a. sliding window天然提供了不同关键帧之间的共视关系以及它们之间的相对位姿；

b. 对关键帧中的点同时计算ORB， 这样可以借助BoW进行回环检测；

c. 如果检测到回环，可以匹配回环帧的ORB， 并用匹配点的深度计算Sim(3)约束;

d. Sim(3)约束加到全局位姿图中进行优化

2.2 考虑特征可重复性的点选择(Point Selection with Repeatable Features)

因为要做回环， LDSO中用Shi-Tomasi score计算角点； 角点更具有可重复性（这样ORB匹配上的才是一个点）；

2.3 候选回环位置的提出和检查(Loop Candidates Proposal and Checking)

a. 用BoW给出待选回环；

b. 用RANSAC PnP计算初始SE(3)

c. 计算Sim(3), 注意q中有的点由于深度没有收敛， 只能计算重投影误差；

2.4 滑动窗口和Sim(3)位姿图

滑窗内的key frames的位姿在位姿图优化的时候不做更新；

三、评估

kitti上总体和orb-slam2差不多