[论文解读] DXSLAM: A Robust and Efficient Visual SLAM System with Deep Features

论文地址：https://arxiv.org/pdf/2008.05416.pdf
论文代码：https://github.com/ivipsourcecode/dxslam

这又是一篇深度学习特征点SLAM系统，考虑到本人就写过这样的论文，所以工作上是大致一样的……但是这篇论文开源了！尽管只有SLAM系统是开源的但是这才是我比较看重的，Superpoint+VLAD+encoder-decoder结构，这些部分都有开源的。
其实这东西主要调参比较麻烦，从orb改到深度特征点代码上挺简单的，但是很多情况下精度就是很……。

摘要：
文章提出使用深度学习特征点描述点，这一张图分别提出局部特征以及全局特征，分别用于SLAM的不同模块，这样做提高了SLAM系统的鲁棒性。使用全局描述加上局部特征的BoW形成了非常可靠的回环检测系统。更厉害的是，使用神经网络优化工具OpenVINO之后，SLAM系统可以只靠CPU来运行，完全不要GPU达到了实时性。

贡献：

1. 一个完整的SLAM系统，使用深度特征点，精度鲁棒性好。
2. 使用图像全局特征进行重定位，鲁棒性好。
3. 一个新的回环检测系统，考虑了全局特征以及局部特征点。
4. 系统能在CPU下实时。
   以上简要提炼，详细可以看代码和论文，还是很不错的工作。
   
   这篇工作论文写的太简要了，感觉也没什么要记录的，不过也对因为里面的东西其实是系统性组合的，一看也就懂了，仔细研究还得看他们的代码。

要是再多几组tum序列就好了，不是很全面，想来可能还不如orb索性不放了😂

这个结果我比较感兴趣，lifelong slam看深度特征点确实好，不过dsslam也真……感觉不应该比不过orb。看来slam本身最重要的是系统整合能力。

这是实验的时间，怎么感觉还是ORB强性价比高……确实挺蛋疼的。