NID-SLAM: Robust Monocular SLAM using Normalised Information Distance - Part2

本文主要是介绍NID-SLAM: Robust Monocular SLAM using Normalised Information Distance - Part2，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在上一篇博客中， 我介绍了NID-SLAM中的的Robust Direct NID Tracking的实现。这篇继续记录一下文章中 Multi-resolution NID Tracking的部分。

Multi-resolution NID Tracking

文中提到LSD-SLAM中为提高鲁棒性而使用image-pyramid的方法。LSD-SLAM中是对待匹配的原始图像建立图像金字塔。NID-SLAM中作者发现这种方式并没有很好效果。NID-SLAM中采用的是多分辨率直方图的表达。NID-SLAM中建立了一个n-channel 的直方图图像金字塔，第$l$层金字塔图像记为$H^{(l)}$， 第0层直方图每一个channel 是从输入图像计算得来的：

$$H^{(0)}(p_i, a) = \left\{ \begin{array}{rcl} 1 & a = B(I(p_i)) \\ 0 & otherwise \end{array}\right.$$
其他层都是通过上一层降采样得来：
$$H^(l=1)(p_i, a) = \frac{1}{4}\sum^4_{j=1}H^{(l)}(N^{(j)}(2\cdot p_i), a)$$
N</

这篇关于NID-SLAM: Robust Monocular SLAM using Normalised Information Distance - Part2的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---