¿Cuál es el estado del arte para SLAM en dispositivos móviles?

Hasta donde sé, el tango no depende de la detección de profundidad, puede realizar SLAM monocular solo para ubicar la cámara. Tienen videos que muestran las características de las esquinas detectadas y asignadas.

La respuesta puede depender un poco de los detalles. ¿Solo desea ubicar la cámara o desea un mejor modelo del entorno? ¿El entorno es pequeño y no requiere cierre de bucle? ¿Requiere relocalización / localización global? ¿Qué precisión estás mirando? ¿La escena contiene mucha textura? ¿Puedes utilizar los datos de IMU?

Hay muchas personas que tienen éxito utilizando métodos basados ​​en la extracción de puntos de características para el análisis de imágenes (SIFT, SURF, ORB, AKAZE). Además, el filtrado de Kalman está algo olvidado, las técnicas modernas utilizan fotogramas clave en su lugar. Incluso puede emplear el ajuste de paquete de forma interactiva, pero puede optar por algo más ligero si no tiene los recursos computacionales. Busque ORB-SLAM en busca de inspiración … Así es como funcionan la mayoría de las técnicas hoy en día, y creo que eso incluye Tango, que también es capaz de usar información de profundidad para hacer más cosas.

La construcción de modelos de entornos sólidos y buenos depende del uso de datos RGB-D o de la visión fotogramétrica / densa. No estoy seguro de que esto ya se esté haciendo en dispositivos móviles, pero está destinado a suceder. Pero siempre significará tomar más potencia y recursos computacionales, siempre puede hacer algo más simple si solo desea ubicarse, e incluso EKF sigue siendo bueno para algunos puntos de referencia si no me equivoco. No creo que la visión monocular sea “reemplazada” por RGB-D. Los nuevos sensores serán bienvenidos, pero no creo que se convierta en la nueva normalidad. Al igual que los pares de cámaras estéreo, puede usarse en robótica, pero es difícil ver algo como esto presente en cada teléfono inteligente, como sucede con una cámara normal + IMU.