战术目镜启动！武大待开源SuperVINS：基于深度学习的SLAM系统前端改进框架

文章预览

点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 拥抱“炼丹” 视觉惯性SLAM领域已经发展出众多突破性的工作，但它们在快速移动环境、弱纹理环境和光照不足的环境中仍存在一些限制。图1展示了经典几何特征和深度学习特征在SLAM中的应用对比。 在黑暗环境中，很明显仅提取到有限数量的几何特征，导致地图点稀疏 。这是因为传统方法依赖于低级几何特征，在处理复杂环境时存在固有的局限性。 低级几何特征不足以处理复杂环境。先进的深度学习方案可以通过学习和利用场景数据中的隐含特征信息来弥补这一限制。与固定算法模型不同，深度学习模型不需要显式表达这些信息。在SLAM领域，已经有几项结合深度学习算法的工作，这些工作可以分为三类： 将深度学习特征应用于视觉里程 ………………………………