标签：har 区域 约束 如何 状态 提取 imu 强制 frame
C. Keypoint Matching and Keyframe Selection
我们的处理流程采用定制的多尺度SSE优化Harris角点检测器与BRISK描述符提取相结合[12]。检测器通过逐渐抑制具有较弱分数的角来强制在图像中均匀的关键点分布，因为它们在较小距离处被检测到较强的角。描述符被提取沿着重力方向（投影到图像中）被提取，这可以通过紧密的IMU融合来观察。
对于关键帧选择，我们使用一个简单的启发式：如果匹配点所跨越的图像区域与所有检测到的点所跨越的区域之间的比率低于50％至60％，则该帧被标记为关键帧。
D.部分边缘化
非线性时间约束如何能够驻留在包含可能在时间上任意远距离的关键帧的有界优化窗口中并不明显。在下文中，我们首先提供边缘化的数学基础，即消除非线性优化中的状态，并将它们应用于视觉惯性SLAM。
标签：har 区域 约束 如何 状态 提取 imu 强制 frame
原文地址：https://www.cnblogs.com/feifanrensheng/p/10165111.html
