[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。
    流程图
    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😂
在这里插入图片描述

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。
在这里插入图片描述

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。
在这里插入图片描述

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值