Hybrid Camera Pose Estimation With Online Partitioning for SLAM

整体流程

  参考SFM的方法了对局部地图进行构建和优化，基于不同局部地图的共视帧，进行全局优化。

局部优化

  选择具有强共视关系的一组点构成局部地图来保证局部BA的精度。由于确认每一对帧的共视关系非常复杂，采用所有二维特征的数量除以所有三维特征点的数量的方式来估算局部地图的共视关系。一旦比值超过阈值，就形成局部地图进行优化。

全局优化

  通过对局部地图的共视帧在不同局部地图中的位置进行统一优化的方式，进行全局优化。

LM优化

  由于从之前的局部地图中，继承了一部分已经优化好的点，所以修改了LM算法，在可信赖的初值上进行优化。

不理解的地方

• 局部地图的构建
    只给出了局部地图的终止条件，但没有给导致是怎么构成的，特别是怎么从历史帧中找共视帧，根据位姿筛选吗？
• 全局优化是否能替代回环检测
    文中认为包含共视关系的局部地图优化可以代替回环检测，但又没给相隔较长时间共视关系是怎么形成的，没有足够的说服力。
• 实验结果
    本文给出的提升较为明显的结果是基于SIFT的，基于ORB特征的版本效果并不如ORB-SLAM2。