,以牺牲召回为代价来提高精度.结果,系统在关闭循环和重用以前的地图方面太慢.我们提出了一种新的位置识别算法,首先检查候选关键帧的几何一致性,然后检查与三个可共视关键帧的局部一致性,这三个关键帧在大多数情况下已经在地图中...另外的创新点在于,一旦新的关键帧和匹配映射之间的相对姿态被估计出来,我们定义一个local window(局部窗口),其中包含匹配的关键帧及其在共视图中的邻域。...2 Merging maps(地图合并)
地图和融合成为新的活动地图.为删除重复点,将在的关键帧中主动搜索匹配项以查找的地图点.对于每对匹配,从中移除点,并且中的点不断累积已移除点的观测值.共视性和本征图通过添加边来更新...首秀是地图点融合:融合窗口由匹配的关键帧组合而成,检测到重复的点进行融合,在共视性和本质图中创建新的关联....每个房间的第一个序列提供了一个初始地图.处理下面的序列从创建一个新的活动地图开始,这个新的活动地图很快与之前会话的地图合并,从那时起,ORB-SLAM3从重用之前的地图中获益.
?