视觉VO（9-2）共视图和本质图

https://zhuanlan.zhihu.com/p/595837772

所有相连关键帧组成共视图。

关键帧之间的共视信息在本文系统的若干个任务中非常有用，并且其被表示为一种无向加权图。图中每一节点为一个关键帧，如果两个关键帧之间共享相同地图点（至少15个）观测，则这两个关键帧之间存在一条边，该边的权重为共视地图点的数量。

 

为了纠正回环，我们执行位姿图优化，它将回环误差均摊到图中。

为了不包括共视图中提供的所有边（不然整个图会非常稠密），我们提出构建一个本质图，该图中保留所有的节点（关键帧）但是更少的边，它仍然保留了一个产生精确结果的强大网络。

该系统从初始的关键帧开始增量式地构建生成树，这提供了具有最少数量边的共视图的连接子图。

当一个新的关键帧被插入时，它被包含到生成树中且与共享地图点观测最多的那个关键帧连接，并且当一个关键帧通过筛选策略剔除时，系统将更新受那个关键帧影响的连接关系。

本质图包含了生成树、共视图中具有高度共视关系（边>100）的边的集合以及回环边，从而产生一个强大的相机网络。

下图展示了一个共视图、生成树和与之关联的本质图的例子。

如后文实验所示，当执行位姿图优化时，所得结果非常精确以至于额外的全局BA优化很难再提高结果精度。

本质图的效率和边的最小阈值的影响将在实验部分介绍。