ElasticFusion论文解读

官方给出的链接一共有两篇论文：
1.ElasticFusion: Dense SLAM Without A Pose Graph
2.ElasticFusion: Real-Time Dense SLAM and Light Source Estimation

ElasticFusion: Dense SLAM Without A Pose Graph

整体流程

1.输入深度图和RGB图，根据相机内参获取像素点对应的点云，进行采样，然后计算点云的法线；
2.因为3D重建是在实时采集的过程当中进行的，所以当前帧跟上一帧之间的变换不大（变换大的化就先要进行粗检测，比如3D模板匹配），所以上一帧(映射到全局坐标系的第一帧的点云)跟当前帧的点云进行ICP配准，求取位姿变换R、T，在迭代的过程中最小化的不止几何差异，还有RGB颜色差异。
其中几何误差，采用的是点到平面的误差，如下图所示：

它摒弃了点到点的距离的位置计算方式，只保留沿法线方向的距离，具体如下图表示的所示：

像素差异的计算方式如下：

最终的error是二者的按一定比例的结合，如下图所示：

使用非线性最小二乘法求解error最小的位姿；
3.每帧图片当中肯定有重复的点，如果不加以处理的化，肯定会有重影。
局部回环检测、全局回环检测可以将重复的点进行配准
对nodes进行约束，减少累计误差。