SLAM学习与分享

本文提出了直接稀疏里程计Lite(DSOL)，它是直接稀疏里程计(DSO)的改进版本。​即使在资源受限的平台上也可以将计算速度提高一倍(平均为5倍)。速度的提高使我们能够以更高的帧速率处理图像，这反过来又可以在快速运动中提供更好的效果。 改进如下：(1)在帧跟踪中采用逆合成对齐方法，(2)在整个窗口内跟踪新图像，而不是最后一个关键帧，(3)提出了一个比SDSO更好的双目光度BA公式，(4)极大地简化了DSO的关键帧创建和删除标准，(5)系统并行化以有效地利用所有可用的计算资源。​

本文提出了一种基于延迟边缘化和位姿图BA的单目视觉惯性里程计系统DM-VIO。DM-VIO使用动态权重对视觉光度残差进行BA。边缘化策略常用于保证系统更新时间，但边缘化后很难恢复，并且连接变量的线性化点不能修改。本文提出了延迟边缘化策略，其思想是建立第二个因子图，该因子图的边缘化将会延迟，可以在之后通过访问延迟图，使用新的一致线性化点产生更新的边缘化。此外，延迟边缘化使我们能够将IMU的信息关联到已经被边缘化的状态，这是提出的位姿图BA的基础，使用它来进行IMU初始化。与以往的IMU初始化工作相比，该方法能够捕获全光度不确定度，使用新的一致线性化点产生更新的边缘化。为了解决初始尺度不可观的问题，IMU初始化完成后，在主系统中继续优化尺度和重力方向。

回环检测是自主移动系统的同时定位与建图的基本部分。在视觉 AMR 领域，词袋 (BoW) 在闭环方面取得了巨大成功。用于回环检测的 BoW 特征也可以用于后续的 6-DoF 回环校正。然而，对于 3D LiDAR SLAM，最先进的方法可能无法实时有效地识别回环，并且通常无法纠正完整的 6-DoF 回环位姿。​提出了 3D LiDAR SLAM 中实时检测回环，称为 BoW3D。于它不仅可以有效地识别重新访问的回环位置，而且可以实时纠正完整的 6-DoF回环位姿。BoW3D 基于 3D 特征 LinK3D 构建词袋，有效、位姿不变，可用于准确的点到点匹配。

本文提出了一个新的实时激光里程计方法，被称为CT-ICP，同时包含了回环检测功能。作者通过使用一种轨迹的弹性公式，考虑帧中数据的连续性和帧间数据的不连续性，以实现对高频运动的更鲁棒的目的。点云配准通过scan-to-map实现，使用稠密点云作为地图，并且通过基于稀疏体素结构的点云存储方式来获得实时的处理速度。同时，实现了一个使用高程图的快速的回环检测方法，来共同构成一个完整的激光SLAM系统。

基于Point Pair Features（PPF）的6D姿态估计方法PPF是在机器视觉领域应用广泛的一种物体位姿提取方法。大名鼎鼎的Halcon，其Surface Matching 模块就是在这种方法的基础上做的优化。