slam研究论文

目前特征点法SLAM开源框架就是ORBSLAM了。基本上没得挑，PTAM太老更麻烦，自己写精度上比不过主流水平。 ORB-SLAM是二值化的特征点，而训练出来的特征点一般为浮点值，这个是主要矛盾。 要么将ORB前端改了，由于在ORBSLAM系统中其实只有第一次初始化用到了原始描述点，其后就是用的BoW找到的对应，这个改成浮点描述子是可以完成的，而且速度上损失不会太多。 要么将深度网络二值化。 目前研究二值化论文挺多的，我研究下这个问题的需要其实只用二值化激活层就可以，权重不需要二值化。 二值化本身都会有精度上损失(具体任务不同)，而如果只是有限的得到二值输出其实损失应该不会很高。 所以主要关注点是二值化网络最后一层 loss 函数就是hanming距离 训练十几个epoch的结果 其实网络还是能学到对应的，但是就是这个上限有点低啊。 在提取特征点描述patch时候，直接把边界值复制扩展比较好，因为这里面涉及到假设就是边界之外同边界大概率是相似的。