纯情河马
论文阅读 2021 —— CodeMapping: Real-Time Dense Mapping for Sparse SLAM using Compact Scene1 介绍2 系统总览3 稀疏到稠密的预测4 多视角优化5 结果图6 总结
我读啥了自己看标题（今天头疼的厉害，呜呜呜/(ㄒoㄒ)/~~）1 介绍之前研究标定SLAM精度的关键是信息点的选择（典型地，角点或边缘点）和相机Pose与地标位置的联合优化。与将地图构建和相机姿态估计分离的密集方法相比，稀疏 SLAM 产生更准确的结果。在实际应用中，稀疏 SLAM 通常与其他传感器融合以提高鲁棒性。然而，稀疏特征图没有视觉信息，不能直接用于无碰撞运动规划或表面感知 AR 等任务。许多方法都尝试同时实现密度映射（dense mapping）和相机自主定位，但是不如稀疏方法效果好，
他的专栏
他的归档
热门文章
6
