時間：2018

作者：

創新點：

??本文重點在C-VSLAM的map alignment環節。比較了三種算法進行transformation estimation的優劣，新提出一種scale estimation方法(SE-DTW)，并于之前的SE-MDC做了比較。

??C-VLSAM中的map merging和V-SLAM中的Loop-closing的異同點：
????相同：都在frame中尋找相似特征
????不同：Loop-closing是單機完成，scale是相同的。map merging數據來源于多機，scale不同，要進行之間的轉換。

行文結構：

??背景→transformation estimation介紹→scale estimation介紹→實驗

map merging結構：

??本文認為map merging步驟：
????1）尋找map間相似區域
????2）計算map間相似區域的轉換矩陣及規模轉換
????3）進行全局BA

??transformation estimation介紹：
??三種方法(不是原創,具體思想沒理解到)：
????1）Method of Horn(參考文獻[13])
????2）Perspective-n-Point Algotithm(簡稱PnP，參考文獻[14])
????3）2的改進，簡稱EPnp(參考文獻[14])

??scale estimation介紹：
??兩種方法(區別在于計算scale factor的方法不同，具體一點兒是平均值方法不同)：
????1)SE-MDC(參考文獻[13])
????2)SE-DTW(原創)

實驗：

??借助KITTI數據集，兩類實驗：1）比較transformation estimation性能 2）比較scale estimation性能。實驗結論是1中EPnp優于PnP優于Horn，2中SE-DTW優于SE-MDC

因作者水平有限，如有錯誤之處，請在下方評論區指正，謝謝！

總結

以上是生活随笔為你收集整理的《论文笔记》ROBUST MAP ALIGNMENT FOR COOPERATIVE VISUAL SLAM的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。