基于ORB-SLAM2, 对图像帧插帧来更好的应对旋转情况。

《Direct LiDAR Odometry: Fast Localization with Dense Point Clouds》( arXiv:2110.00605 )

Motivation

目前的视觉里程计都很难应对旋转多的场景，作者认为在检测到旋转的时候，对于图像帧进行插值能够缓解旋转导致的不确定性问题。

Contribution

1. 作者认为他们是第一个将插值神经网络应用到SLAM系统来提升SLAM在旋转场景的性能。

2. 提出了一个检测函数来仅在快速旋转场景进行插值。

3. 在KITTI和TUM数据集上进行了测试，并且取得了不错的结果。

Content

1. 系统框架

1. 旋转检测

\[T_{c_{t} c_{t-1}}=T_{c w_{t}} * T_{c w_{t-1}}^{-1}\\ \theta=\arccos \frac{tr\left(R_{c_{t} c_{t-1}}\right)-1}{2}\]

如果检测出的角度大于阈值则判定需要进行插值

插值用的网络是sepconv-slomo网络。

1. 实验结果

Conclusion

这篇论文主要的想法是通过插帧来缓解旋转约束的问题，思路是个不错的思路，但是实验效果比较一般。