文章：VITAMIN-E: VIsual Tracking And MappINgwith Extremely Dense Feature Points
鏈接：https://arxiv.org/abs/1904.10324
視頻：https://www.youtube.com/watch?v=yfKccCmmMsM
作者：Masashi Yokozuka雄卷，……，Atsuhiko Banno
機構(gòu)：National Institute of Advanced Industrial Science and Technology (AIST)今膊，JSPS KAKENHI
摘要的摘要：基于經(jīng)典優(yōu)化SLAM框架下操禀，改進或提升兩點：
（1）Tracking的特征點數(shù)量大幅增加；
（2）BA使用Jacobi迭代法縮減求解時間和復(fù)雜度翎苫。
1. Dense Feature Point Tracking
1.1 Feature Point Tracking
VITAMIN-E tracks the local extrema of curvature () in incoming images (
)缀拭。
1.2 Dominant Flow Estimation
使用光流法+匹配提供匹配點對的位置初始值犬耻，設(shè)前后幀的點匹配2D點對為和
，然后最小化仿射變換的cost function：
得到一個穩(wěn)定的和
。
1.3 Curvature Extrema Tracking
經(jīng)過1.2辑莫，可以計算特定追蹤點的預(yù)測值
：
再最大化evaluation function：
得到校正后的點。
2. Bundle Adjustment for Dense Tracking
2.1 Bundle Adjustment
BA原理就不說了各吨，Model一下求解方程：
經(jīng)典方法是基于稀疏矩陣的Schur消元將問題分解：
其中枝笨，下標(biāo)為的為camera相關(guān)，camera相關(guān)變量為
個揭蜒，下標(biāo)為
的為point相關(guān)横浑，point相關(guān)變量為
個，然后進行Schur消元求解屉更，具體不表了伪嫁。但是文章的
的size是
甚至更大，這樣求解的復(fù)雜度和代價很大偶垮。
2.2 Subspace Gauss–Newton Method
我理解其實就是雅克比迭代法张咳，并不是什么子空間方法帝洪。關(guān)于這類方法之后再整理一篇筆記出來。
此時方程(8)的求解可分解為如下形式：
3. Experimental Results
ATE詳見paper脚猾，看起來比DSO葱峡、ORB、LSD好不少龙助。
時間上砰奕，在論文的CPU上：
-- Feature tracking：36 msec/frame
-- Localization & mapping ：25 msec/frame
建圖方面就沒有細(xì)看了。
