3D点相关联.虽然它们在计算上是高效的,但是它们不能提供对场景几何的更高层次的理解.其他使用几何图元(橙色点)的表示平衡了几何信息和效率,但对场景进行了假设,没有像稀疏关键帧方法那样实现效率.该文提出了一种用于稀疏...理想情况下,地图表示应该知道场景的几何形状,并且在计算时间和内存方面是高效的.图1显示了不同的地图表示如何在这些轴上执行.理想的表示应该允许更好的几何推理,这带来了更高的准确性.但在效率方面仍然与基于关键帧的方法相当...我们沿着这些轴比较了基于稀疏关键帧的地图表示的有效性:
几何感知:在稀疏SLAM中,使用关键帧和它们的可见点(即共视图)作为地图只允许有限的几何推理.共可见度图没有遮挡的概念,并且难以确定和过滤遮挡点,...M的值,而不取决于地图大小.通过Lucas-Kanade跟踪,系统进一步在新图像中搜索来自这些关键帧的点的匹配.一旦建立了对应关系,就通过仅运动的BA来估计姿态.系统还具有单独的建图线程,该线程使用贝叶斯滤波器进行深度估计...相比之下,体素图能够以更低的计算时间获得更好的精度.它并不总是优于所有关键帧序列,因为体素图的性能取决于环境和体素大小.在MH04的情况下,体素图在轨迹上没有一致的比例,这导致了更高的RMSE.我们强调