两个SLAM相关小工具：深度图快速补全，YuPnP方法

两个SLAM相关小工具：深度图快速补全，YuPnP方法

上次flag直接翻车，不过非战之罪吧，唉。
这次分享两个SLAM小工具，分别是1. 基于CPU的深度图快速补全技术；2. 一种快速准确的PnP方法。下面是两个工具的介绍，以及我对他们的复现(?，勉强算是？)

一、深度图快速补全方法

目前深度补全技术开始转向深度学习方法，注重精度而非速度，但是实话实话，一般深度补全或者深度估计都是某项大工程的预处理，如果后面工程也是深度网络，并且深度估计/深度补全网络能与后续工作共用一个backbone还好，但很多情况下不可能给一个预处理步骤留有太多的计算资源和计算时间，因此，基于CPU的快速深度补全就非常有必要。
为大家介绍的这篇文章是：In Defense of Classical Image Processing: Fast Depth Completion on the CPU。知乎有对这篇文章的翻译，大家有兴趣可以看看，总体来说通过设计不同大小的滤波器来实现的。
这篇文章原始计划是针对雷达的，知乎上有人用DSO进行了测试，效果并不是很好，我这边也针对RGBD进行了测试，效果还行，至少能提供一个相对精准初值，后续就交给优化吧。此外值得注意的是，该文章滤波仅仅考虑了深度图，如果结合RGBD的彩色图像进行类似三边联合滤波可能效果更好。
该文章是有代码开源的，不过是python版本，这里我写了一个C++版本的，分享给大家，但是我写的版本并