Robust RGB-D Camera Tracking using Optimal Key-frame Selection

  RGBD视觉SLAM，创新点在于自适应的位姿估计和关键帧选择策略。

前端部分

视觉里程计

  使用点到平面icp和光度误差分别计算代价函数并估计位姿。使用匹配代价作为权重融合两个位姿。

特征提取和匹配

  提取SIFT特征，利用词袋构建进行特征和图像匹配，构建关联矩阵（affinity matrix），匹配关系被用于关键帧选取。

后端优化

关键帧选取

  基于特征匹配数量形成帧和帧之间的约束，所有帧和约束构成了一个无向图，本文认为关键帧集合应该满足以下条件，关键帧和与关键帧相邻的点的集合等于帧的集合，关键帧与其他关键帧相邻，所有关键帧构成一个连通图。

优化

  基于词袋进行回环检测，使用Ceres优化器对全局位姿进行优化。

实验结果

  在TUM数据集上进行了测试，在特征丰富的环境中效果不如ORB-SLAM2，但是考虑所有轨迹效果不错。算法不能实时运行。