[論文解讀] DXSLAM: A Robust and Efficient Visual SLAM System with Deep Features

論文地址：https://arxiv.org/pdf/2008.05416.pdf
論文程式碼：https://github.com/ivipsourcecode/dxslam

這又是一篇深度學習特徵點SLAM系統，考慮到本人就寫過這樣的論文，所以工作上是大致一樣的……但是這篇論文開源了！儘管只有SLAM系統是開源的但是這才是我比較看重的，Superpoint+VLAD+encoder-decoder結構，這些部分都有開源的。
其實這東西主要調參比較麻煩，從orb改到深度特徵點程式碼上挺簡單的，但是很多情況下精度就是很……。

摘要：
文章提出使用深度學習特徵點描述點，這一張圖分別提出區域性特徵以及全域性特徵，分別用於SLAM的不同模組，這樣做提高了SLAM系統的魯棒性。使用全域性描述加上區域性特徵的BoW形成了非常可靠的迴環檢測系統。更厲害的是，使用神經網路優化工具OpenVINO之後，SLAM系統可以只靠CPU來執行，完全不要GPU達到了實時性。

貢獻：

1. 一個完整的SLAM系統，使用深度特徵點，精度魯棒性好。
2. 使用影像全域性特徵進行重定位，魯棒性好。
3. 一個新的迴環檢測系統，考慮了全域性特徵以及區域性特徵點。
4. 系統能在CPU下實時。
   以上簡要提煉，詳細可以看程式碼和論文，還是很不錯的工作。
   
   這篇工作論文寫的太簡要了，感覺也沒什麼要記錄的，不過也對因為裡面的東西其實是系統性組合的，一看也就懂了，仔細研究還得看他們的程式碼。

要是再多幾組tum序列就好了，不是很全面，想來可能還不如orb索性不放了?

這個結果我比較感興趣，lifelong slam看深度特徵點確實好，不過dsslam也真……感覺不應該比不過orb。看來slam本身最重要的是系統整合能力。

這是實驗的時間，怎麼感覺還是ORB強價效比高……確實挺蛋疼的。