深度学习:SLAM: SuperGlue

简介

传统的SLAM流程一般涉及以下内容：首先是对特征点进行识别及其描述；随后是实现特征点的配准与异常点的剔除；最后是完成姿态估计。

在先前的研究者们的探索中，他们旨在针对特征点检测与描述这一问题展开研究。随后进行的特征点匹配主要采用基于最近邻距离的方法，并结合剔除离群点的技术处理。随后将进行位姿估计这一关键步骤。

而SuperGlue致力于采用基于端到端深度网络的设计方案来处理特征点描述与特征之间的匹配（异常点去除）。这标志着距离实现全栈DLslam再往前推进了一大步。

而SuperGlue致力于采用基于端到端深度网络的设计方案来处理特征点描述与特征之间的匹配（异常点去除）。这标志着距离实现全栈DLslam再往前推进了一大步。

动机

在许多实际应用中（many real-world applications），因纹理信息有限（due to limited texture information）或局部描述缺乏代表性（or local descriptors lack representativeness），基于特征的匹配方法（feature-based matc