点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

标题：FastORB-SLAMwithoutKeypointDescriptors

作者：QiangFu,HongshanYu,XiaolongWang,ZhengengYang,YongHe,HongZhang,Fellow,IEEE,AjmalMian

机构：

来源：arXiv

编译：介来拉石

审核:zhuhu

本文转载自泡泡机器人SLAM，文章仅用于学术分享。

摘要

大家好，今天为大家带来的文章是FastORB-SLAMwithoutKeypointDescriptors

采用间接方法的视觉SLAM方法因为其对环境变化的鲁棒性而越来越受到欢迎。ORB-SLAM2时该领域的一种基准方法，但是，它会花费大量时间来计算描述符，除非选择帧作为关键帧，否则这些描述符永远不会被重用。为了克服这些问题，我们提出了一种轻量级且效率高的FastORBSLAM，因为它不需要计算描述符就可以跟踪相邻帧之间的关键点。为此，提出了一种基于稀疏光流的两级描述符相关关键点匹配方法。在第一阶段，我们通过一个简单但有效的运动模型预测初始关键点对应，然后通过基金字塔的稀疏光流跟踪稳健地建立联系。在第二阶段，我们利用运动平滑度和极限几何的约束来细化对应关系。特别的地方在于，我们只计算关键帧的描述符。我们在TUM和ICL-NUIMRGB-D数据集上测试了FastORBSLAM，并将其准确性和效率与现有的九种RGB-DSLAM方法进行了比较。定性和定量的结果表明，我们的方法达到了最先进的精度，速度大约是ORBSLAM2的两倍。

主要工作与贡献

1.我们提出了一种基于ORBSLAM2和系数光流的轻型SLAM系统。FastORBSLAM利用了一种新结构，其中相邻帧之间的关键点匹配基于最小化灰度误差，非相邻帧即关键帧之间的关键点匹配基于描述符。这种设计平衡了定位精度和计算复杂性之间的竞争需求。

2.我们提出了一种两阶段关键点匹配算法，用于在没有描述符的情况下在相邻帧之间建立可靠的关键点对应。该算法利用UAM模型预测初始关键点对应关系，不仅提高了关键点匹配的准确性，而且降低了对应关系搜索的计算复杂度。

3.我们在TUM和ICL-NUIMRGB-D数据集上测试了FastORBSLAM，并将其准确性和效率与现有的九种RGB-DSLAM方法进行了比较。定性和定量的结果表明，我们的方法达到了最先进的精度。

4.FastORBSLAM的速度大约是ORB-SLAM2的两倍，定位精度也极具竞争力，请在

转载请注明:http://www.aideyishus.com/lkcf/368.html