RKSLAM: Robust Keyframe-based Monocular SLAM for Augmented Reality 论文解读 demo体验

RKSLAM采用多单应性矩阵与FASTcorners进行实时跟踪,利用滑动窗优化姿态,仅依赖单目视觉实现鲁棒性极高的SLAM效果。其初始化速度快,能在复杂环境中稳定运行。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

RKSLAM的工作介绍和论文、demo下载见浙大章国锋教授组官网,见链接:http://www.zjucvg.net/rkslam/rkslam.html

论文解读:

1. 跟踪采用基于多单应性矩阵multi-homography)的方法,为了在移动端做到实时,放弃了sift特征,换成了FAST corners,耗时大大减少;

2. 姿态优化采用了滑动窗的方法,借鉴了一般的VI-SLAM的套路。但RKSLAM只用单目,没有用IMU数据。通过特征匹配并结合缩略后整张图像对齐来估计连续帧之间的旋转角度,好处:运动快时通过整张图像的对齐还是能比较可靠的估计出旋转角度。加速度假设为0,认为移动设备加速度比较小。

demo体验:

鲁棒性很好,晃来晃去不容易丢,重定位也很OK。

初始化很快,随便对着白纸或显示器就可成功,重点是平面边缘对比要明显

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值