摘要
作者贡献了一个稠密的SLAM系统，将一系列的深度图作为输入和实时的重建非刚性形变目标，没有模板和先验模型 。相对于存在的方法，本论文没有使用任何体素数据结构，例如截断符号距离函数（TSDF）区域或者非形变区域，它们是性能和内存密集型。我们的系统运行在一个平点（surfel）基于几何的展示，它能够直接从商业深度传感器获得。标准的图像流程和生成建议GPU（GPGPU）计算被利用来进行所有中心操作：临近保持，非刚性 形变区域估计以及深度测量融合。本论文的方法避免了昂贵的体素操作，例如匹配立体，体素融合，稠密形变区域更新，主要的显著性能提高。另外，清晰和可行变的基于几何surfel能够有效处理复杂拓扑结构变化和跟踪失败，这个使我们的重建一致通过使用更新的深度观察。我们的系统可以使机器人保持一个场景描述对一个非形变目标，可能与动态环境交互。
系统架构
