1. 概述
這次我們一起討論SuperPoint系列文章的第二篇Toward Geometric Deep SLAM,這篇文章延續了作者清晰的寫作思路,讀起來很順暢。
本文是針對SLAM設計的基於深度學習的特徵提取方法,主要包括兩部分,一是特徵點提取網路MagicPoint,二是基於提取的特徵點進行位姿估計的網路MagicWarp。特別指出的是,改方法不需要學習描述子,而只提取特徵點位置。由於訓練網路需要圖片之間真實的位姿,作者設計了一個虛擬三維物體的庫,通過模擬不同視角並截取相應的圖片,得到了所需要的數據集。最終的結果顯示MagicPoint在提取特徵方面相比於傳統方法更具魯棒性,MagicWarp在位姿估計方面具有更高精度。
2. 演算法流程
演算法的整體流程如下圖所示