光照鲁棒性碾压ORB-SLAM！Light-SLAM：基于LightGlue的完整视觉SLAM系统

文章预览

以下文章来源于3D视觉之心 点击“ 计算机视觉life ”，选择“星标” 机器人AI干货第一时间送达 点击预约直播，开播自动提醒，不错过~ 传统方法和深度学习强强联手 在 VSLAM 系统中，前端视觉里程计（VO）系统通过处理相机图像信息并获取相机运动关系来确定机器人的当前位置和方向。手工特征是 VO 中使用的主要方法。通过从多幅图像中提取特征并匹配其描述符，可以获得相机位姿估计信息。然而，当遇到一些 具有挑战性的场景（例如，低光、光照剧烈变化和低纹理场景） 时，基于手工特征的传统方法可能无法识别和关联当前环境中的特征信息。 传统基于特征 的视觉 SLAM 方法在小规模场景中表现较好，但在复杂和变化的场景中性能不稳定，甚至可能出现跟踪丢失。 基于深度学习的方法 在特定场景中展示了极大潜力，但在面对未知环境时表现 ………………………………