Multi-Session SLAM with Differentiable Wide-Baseline Pose Optimization

我们介绍了一种新的多会话SLAM系统，可以在单个全局参考下跟踪多个不连续视频中的相机运动。我们的方法将光流预测与求解器层相结合，以估计相机姿态。我们使用一种新颖的可微分求解器对宽基线双视图姿态进行端到端训练。整个系统可以连接不连续的序列，执行视觉里程计和全局优化。与现有方法相比，我们的设计精度高，对灾难性故障具有鲁棒性。代码可在github.com/princeton-vl/MultiSlam_DiffPose获得。

该论文的问题是如何跨多个不连续的视频跟踪相机运动并在单个全局参考下进行多会话SLAM？

该论文的关键思路是将光流预测与求解器层相结合，以估计相机姿态，并使用可微分求解器进行端到端训练，从而实现跨不同视频的连接、视觉里程计和全局优化。

该论文的亮点包括：1.使用不同的求解器层实现精确的相机姿态估计；2.使用可微分求解器进行端到端训练；3.跨不同视频的连接、视觉里程计和全局优化；4.与现有方法相比，该方法具有更高的准确性和鲁棒性；5.代码已经在github上开源。

最近在这个领域中的相关研究包括：1.《ORB-SLAM: A Versatile and Accurate Monocular SLAM System》；2.《Visual SLAM: Why Bundle Adjustments》；3.《The OKVIS Open-Source Library for Real-Time Visual Odometry and SLAM》。