Visual SLAM中主流重定位算法有哪些,重定位与回环检测的异同点

先回答第二个问题。重定位指的是当跟丢之后重新找回当前的姿态,而回环检测则是识别曾经到过的场景,将其与当前帧对应。二者目的不同,重定位主要为了恢复姿态估计,而回环为了解决飘移,提高全局精度。之所以容易混淆,可能是因为重定位通常也需要找到与之前帧的对应关系来解出姿态,而这可以通过回环检测来完成。也就是说,二者在匹配帧上可以共享一些算法。然后是第一个问题。专门研究重定位的论文很多,实际在单目VSLAM算法用的比较多的还是基于BoW的匹配方案(ORB-SLAM,VINS等),也有基于机器学习匹配patch的方法(PTAM)。同时也有一些简单粗暴的解决方案,比如单独开线程暴力匹配之前所有关键帧(LSD),或者只扰动初始值不断与上一个关键帧进行匹配(DSO)。
■网友
大部分视觉里程计和slam中都有重定位的function。单独一个代码完成重定位功能的印象比较深是posenet http://mi.eng.cam.ac.uk/projects/relocalisation/,用的是GoogLenet,这个代码把最后的softmax层改成回归层,然后refine,训练集来自于SFM的标注。
■网友
传统的词袋和VLAD
以及深度学习的netvlad mobilenetvlad 用于3D激光的pointnetvlad,
dl的方法语义性强,抗环境变化时间光照,
夏染:NetVLAD与MobileNetVLAD 极简的打开方式捞一下

重定位和回环检测更多是技术在使用目的上的区别,回环是针对SLAM过程中误差消除,所以讲究快,回环成功的逻辑要求也比较高,比如满足分数时间序列上都满足才认为回环
重定位用在定位上,有了一定在建图空间的先验,分数选择逻辑上会不一样。
【Visual SLAM中主流重定位算法有哪些,重定位与回环检测的异同点】 用途上吧,工具还是那些工具,图与图,特征与特征,但因为目的不同,构建也会不同


    推荐阅读