,以牺牲召回为代价来提高精度.结果,系统在关闭循环和重用以前的地图方面太慢.我们提出了一种新的位置识别算法,首先检查候选关键帧的几何一致性,然后检查与三个可共视关键帧的局部一致性,这三个关键帧在大多数情况下已经在地图中...Mapping使用关键帧及其地图点的滑动窗口作为可优化变量,括其共视帧的关键帧,保持它们固定....如果在搜索窗口中有多个候选项,为了丢弃不明确的匹配项,我们检查与第二个最近匹配项的距离比。...活动关键帧及其最后5个关键帧的姿态、速度和偏差都是可优化的.这些变量通过IMU预积分项进行关联.对于地图,我们进行了类似的处理,包括km及其5个时间邻域的姿态、速度和偏差.如上图所示.对于,包含但固定了紧挨着本地窗口的关键帧...首秀是地图点融合:融合窗口由匹配的关键帧组合而成,检测到重复的点进行融合,在共视性和本质图中创建新的关联.