CNN-SLAM: Real-time dense monocular SLAM with learned depth prediction

时间：2016年

关键字：单目、稠密、实时

本质：LSD-SLAM + CNN

优点：

• 估计绝对尺度
• 应付纯旋转运动
• 获得低纹理区域的深度

---

为什么单目slam无法估计绝对尺度（尺度不确定性）？

• 常识：

对轨迹和地图同时缩放一定的倍数，我们看到的图像是一样的。原因是透视投影，近大远小。一个很大但很远的物体，跟一个很小但很近的物体，看起来可能是一样的。

• 公式：

对极约束恒等于0，t的尺度不确定

本文如何确定绝对尺度？

单帧图片的能获得绝对深度，估计帧间pose时等效于双目相机，t的尺度是明确的。

---

为什么单目slam处理不了纯旋转？

相机发生纯旋转，t等于0，E和F也将等于0，无法通过对极约束计算出R。即使可以通过单应矩阵H计算出R，但是仅仅依靠旋转无法完成三角化，无法确定三维点的位置。

本文如何应付纯旋转运动？

本文直接通过CNN估计单帧深度，不需要通过三角化。

---

Pipeline</