【SLAM】开源 | DXSLAM—清华大学开源CPU上可以达到实时运行，采用CNN提取特征，提高特征的鲁棒性

论文地址： https://arxiv.org/pdf/2008.05416.pdf

代码： https://github.com/ivipsourcecode/dxslam.git

来源： 清华大学

论文名称：DXSLAM: A Robust and Efficient Visual SLAM System with Deep Features

原文作者：Dongjiang Li

内容提要

本文提出了一个鲁棒和有效的SLAM系统，SLAM算法是是实现机器人自主运动的关键。对于视觉SLAM算法，虽然建立了很多理论框架，但是在大多数情况下的特征提取仍然是根据经验设计的，这导致在复杂的环境中特征的点的提取鲁棒性很差。本文提出了一种特征提取算法使用深度卷积神经网路(CNNs)，可以无缝的与当前的SLAM算法框架进行融合。本文提出的SLAM系统利用最先进的CNN来检测每一帧图像中的关键点，不仅给出关键点描述符，而且给出整个图像的全局描述符。这些局部和全局特征可以被不同的SLAM模块使用，与使用经验设计的特性相比，在环境变化和视点变化方面具有更强的鲁棒性。本文还训练了一个局部特征的视觉词袋（BoW）。基于局部特征、全局特征和词汇表，建立了一种高可靠的闭环检测方法。实验结果表明，所有模块的性能都优于当前的baseline，整个系统的轨迹误差大大降低，经过实验验证对当前算法取得了更好的修正率。此外，通过使用Intel OpenVINO工具包优化CNN并利用Fast BoW库，并且本文系统针对SIMD的指令集进行了优化。本文提出的系统能够实时运行在没有GPU的设备中。

本文主要贡献：

（1）一个完整的SLAM系统，使用深度特征点，精度鲁棒性好。

（2）使用图像全局特征进行重定位，鲁棒性好。

（3）一个新的回环检测系统，考虑了全局特征以及局部特征点。

（4）系统能在CPU下实时。

主要框架及实验结果

PS：腾讯最近更改公众号推送规则，文章推送不在按照时间排序，而是通过智能推荐算法有选择的推送文章，为了避免收不到文章，看完文章您可以点击一下右下角的"在看"，以后发文章就会第一时间推送到你面前。

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。