RKSLAM: Robust Keyframe-based Monocular SLAM for Augmented Reality 论文解读 demo体验

RKSLAM的工作介绍和论文、demo下载见浙大章国锋教授组官网，见链接：http://www.zjucvg.net/rkslam/rkslam.html

论文解读：

1. 跟踪采用基于多单应性矩阵（multi-homography）的方法，为了在移动端做到实时，放弃了sift特征，换成了FAST corners，耗时大大减少；

2. 姿态优化采用了滑动窗的方法，借鉴了一般的VI-SLAM的套路。但RKSLAM只用单目，没有用IMU数据。通过特征匹配并结合缩略后整张图像对齐来估计连续帧之间的旋转角度，好处：运动快时通过整张图像的对齐还是能比较可靠的估计出旋转角度。加速度假设为0，认为移动设备加速度比较小。

demo体验：

鲁棒性很好，晃来晃去不容易丢，重定位也很OK。

初始化很快，随便对着白纸或显示器就可成功，重点是平面边缘对比要明显。