MASt3R-SLAM: Real-Time Dense SLAM with 3D Reconstruction Priors 具有三维重建先验的实时稠密SLAM

摘要

本文介绍了一种基于MASt3R的实时单目密集SLAM系统，该系统能够在野外视频序列中实现稳定运行，并且不需要对相机模型做出任何假设。作者提出了点图匹配、相机跟踪和局部融合、图构造和环闭合以及二阶全局优化等高效方法。通过已知校准，对该系统的简单修改可以使其在各种基准测试中达到最先进的性能。总之，本文提出了一种易于使用的单目SLAM系统，能够产生全局一致的位置和密集几何形状，并以每秒15帧的速度运行。

项目地址：https://edexheim.github.io/mast3r-slam/

开源地址：comming soon~

论文方法

方法描述

本文提出的深度学习SLAM算法名为DUSt3R（Deep Unsupervised SLAM），该算法主要由MASt3R预测和点映射匹配、跟踪和局部融合、环闭合以及全局优化等组件组成。首先，通过网络预测出每个像素在图像中的深度值，并将其转换为向量表示。然后，使用这些向量作为输入，在两个相邻帧之间进行点映射匹配。接下来，利用匹配结果来估计相机的位姿，并将新的点映射与之前的点映射进行融合。最后，使用循环闭合技术来进一步提高地图的准确性。