Good Feature Matching: Towards Accurate, Robust VO/VSLAM with Low Latency 良好的特征匹配:实现准确、鲁棒的低延迟VO/VSLA

Good Feature Matching: Towards Accurate, Robust VO/VSLAM with Low Latency 良好的特征匹配:实现准确、鲁棒的低延迟VO/VSLAM

论文：https://arxiv.org/abs/2001.00714

代码：

单目https://github.com/ivalab/GF_ORB_SLAM

双目https://github.com/ivalab/gf_orb_slam2

摘要

—在VO或VSLAM系统中保持性能（精确度和鲁棒性）和效率（延迟）的取舍是一个重要的课题。基于特征的系统展现了良好的性能，但由于显式的数据关联有更高的时延；直接和半直接系统低时延，但在一些场景不适用，比基于特征的系统精度低。本论文旨在为基于特征的视觉SLAM提高性能效率，提出了一个主动的地图到图像帧的特征匹配算法：特征匹配和一个需要评分的子矩阵选择联系起来，经过仿真，用Max-logDet矩阵评分有最好的表现。对于实时的适用性，调研了线性时间选择（deterministic selection）和随机加速（randomized acceleration）的组合。本文提出的算法用于了基于特征点的单目和双目SLAM系统。在多个数据集的表现可量化地表明不降低鲁棒性前提下可减少时延。

本文的主要结果如上图所示，左图描述了四种VO/VSLAM系统在EuRoC MAV数据集上时延和精度对比，本文提出的GF-ORB-SLAM在左下区域，相比SVO和DSO有着较高精度，且平均延迟比ORB-SLAM低。GF-ORB-SLAM和O