最新稠密单目SLAM：DeepRelativeFusion

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

CVPR2020 论文分类及全部下载！

《SLAM 中的几何与学习方法》电子书下载

最新《医学图像深度语义分割》综述论文（附下载）

本文转自深话AI公众号，在其后台回复：DRF，即可下载本论文

今天给大家介绍一篇最新的论文，关于稠密单目SLAM，论文题目 《DeepRelativeFusion: Dense Monocular SLAM using Single-Image Relative Depth Prediction》

主要内容和创新点

传统的单目视觉SLAM算法已经得到广泛应用，并证明了可以用来可靠地恢复稀疏结构和摄像机的运动。然而，稀疏结构对于场景交互，例如视觉导航和增强现实应用来说还不够。为了使场景重建更加稠密，一般使用单目图像绝对深度预测的方法，用卷积神经网络填补缺失的结构信息。不过，在和训练集不同的数据集上预测准确性泛化性能不是很好。

在本文中，我们提出了一种稠密的单目SLAM系统，命名为DeepRelativeFusion，它能够恢复全局一致的三维结构。我们使用了视觉SLAM算法可靠地恢复了摄像机姿态和关键帧的半稠密深度图，然后结合关键帧位姿图与稠密关键帧深度图来重建场景。为了实现地图稠密化，我们在能量最小化框架上引入了两个增量改进: (1)代价函数中的增加图像梯度项， (2) 使用单目图像相对深度预测。尽管没有绝对的比例尺和深度范围，利用来自SLAM的半密集深度地图，我们可以对相对深度图进行修正。

实验表明，修正的相对深度图对于稠密化先验来说精度够了。为了证明相对深度预测的泛化性 ，我们列举了两个室外的稠密重建序列。在量化对比结果中，我们的系统明显优于目前最新的 在稠密重建SLAM系统。

论文中重要的原理和结果见

从0到1学习SLAM，戳↓

一文概览视觉SLAM详细学习路线、思维脑图

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

投稿、合作也欢迎联系：simiter@126.com

长按关注计算机视觉life

文章不错，点个赞