目录
1.2 sim3优化既然是为了使单目slam的scale统一,那么双目回环之类的还需要sim3优化吗?
1)看论文看到的所谓深度信息辅助,使得2D-2D变成3D-2D:
2) 在已知相机运动的情况下,稠密建图中是否需要块匹配?还是根据位姿直接就可以得到匹配像素点?
1.2 sim3优化既然是为了使单目slam的scale统一,那么双目回环之类的还需要sim3优化吗?
sim3相关内容见ORB-SLAM(五)优化以及我的博客2.3条
1.3 论文dso
-
先验具体指什么?由何而来?
来自高博的介绍:
DSO在解BA时,边缘化了所有点的信息,计算优化的更新量。然而,与传统BA不同的是,DSO的左上角部分,即公式中的 ,并非为对角块,而是有先验的。传统BA中,这部分为对角块,主要原因是不知道相机运动的先验,而DSO的滑动窗口,则通过一定手段计算了这个先验。这里的先验主要来自两个部分(不懂?不确定.我以为是dso本身的"点跟两个帧有关"导致的B不对角)::
- 边缘化某个点时,这个点的共视帧之间产生先验;
- 边缘化某个帧时,在窗口内其他帧之间产生先验;
这里的“边缘化”,具体的操作和上面讲的边缘化,是一样的。也就是说,通过舒尔补,用矩阵的一部分去消元另一部分。然而实际操作的含义却有所不同。在BA的边缘化中,我们希望用边缘化加速整个问题的求解,但是解完问题后,这些帧和点仍旧是存在于窗口中的!而滑动窗口中的边缘化,是指我们不再需要这个点/这个帧。当它被边缘化时,我们将它的信息传递到了之后的先验中,而不会再利用这个点/这个帧了!请读者务必理清这层区别,否则在理解过程中会遇到问题。我们不妨将后者称为“永久边缘化”,以示区分。
那么DSO如何永久边缘化某个帧或点?它遵循以下几个准则:
- 如果一个点已经不在相机视野内,就边缘化这个点;
- 如果滑动窗口内的帧数量已经超过设定阈值,那么选择其中一个帧进行边缘化;
- 当某个帧被边缘化时,以它为主导的地图点将被移除,不再参与以后的计算。否则这个点将与其他点形成结构先验,破坏BA中的稀疏结构[10]。
在边缘化的过程,DSO维护了帧与帧间的先验信息(见EnergyFunctional::HM和bM),并将这些信息利用到BA的求解中去。
dso论文中提及dense方法时说到的map point先验(导致Hessian矩阵的右下角地图点矩阵不对角):
Dense vs. Sparse:Apart from the extent of the used image region however,a more fundamental – and consequential – difference lies in the addition of a geometry prior. In the sparse formulation, there is no notion of neighborhood, an