【论文笔记】PL-SLAM: Real-Time Monocular Visual SLAM with Points and Lines（2017）

线主要应用在：BA、relocalization、初始化时使用了line特征

同时处理点和线的对应关系

插入关键帧：如果图像包含有关环境的大量新信息，则将其标记为关键帧，并对其相应的线进行三角剖分并添加到地图中。为了丢弃可能的异常值，从少于三个视点或少于25%的帧中看到的线也会被丢弃（剔除）。地图中的直线位置用局部ba优化。

注意，在图2中，我们不使用线来闭合回路。整个地图上的匹配线在计算上太贵了。因此，只有点特征用于环路检测。

目前基于优化的slam方法都是由至少两帧之间的点对应关系建立的映射初始化的。然后使用单应[8]或基本矩阵[29]估计算法来计算初始映射和姿态参数。接下来，我们将描述我们的基于线的地图初始化解决方案，这对于缺乏特征点的低纹理场景是一个很好的选择

我们将假设在连续的摄影机姿势之间进行小而连续的旋转，使得从第一个摄影机视图到第二个摄影机视图的旋转与从第二个摄影机视图到第三个摄影机视图的旋转相同1。在这个假设下，我们可以用r1=r，r2=i和r3=r来表示三个摄像机旋转，其中i是3×3的恒等式矩阵。

线段表示（空间中的两个端点）

线段提取方式：lsd

线段描述方式：lbd

线段匹配方式：LBD特征匹配

直线表达：在pluck坐标系下：

BA：点error：

线error：

 

损失函数：

 

Global Relocalization：

epnpl算法直接求解pose：

最小化：

 

初始化（单目三帧即可初始化）：

 

 

 

实验结果：

 

没有搞懂的问题：lsd？？？？lbd？？？？tracking的时候肯定也需要线啊？？？？？？？？？