经典论文回顾 - RGB-D SLAMv2 : 3D Mapping with an RGB-D Camera

前言

本文属于 RGB-D SLAM v2 的论文，2013年发表于机器人领域顶级期刊 TRO。

一作Felix Endres，导师团都是大牛：弗莱堡大学 Wolfram Burgard 教授， 也是书籍《概率机器人》的作者； Daniel Cremers则是 慕尼黑工业大学机器人实验室的大佬。

鉴于该文章属于经典文章，本文不像以前文章那番做详细的翻译式分析，更多是站在当代角度，如ORBSLAM2已经大火的年代，去回顾这篇文章的早期特点，思考和讨论一些将来的发展方向。

核心内容

简要整理该系统特点如下：

特征点提取

提取特征点，并以描述子匹配，两帧之间建立联系后求解变换。对变换应用EMM模型判断有效性，满足条件则加入图优化，否则作为无效剔除。

特征点不唯一，作者验证了 ORB, Surf, SIFT等，实际是time-accuracy tradeoff。其中SIFT运算量要求最高(需要GPU)，但效果最好。ORB则最快，效果差一些。

鲁棒性考量

• EMM模型，考虑在该变换下，其中一帧的点投射到另一帧，属于遮挡/可视/匹配关系。通过对每个点假设检验评估有效，统计有效比例来计算该transform是否有效。