RealCat

本文介绍一种让编程者很方便搞清楚C/C++变量或者函数声明的小技巧Clockwise/Spiral Rule，本文很大部分内容参考自David Anderson于1994年05月06日写的一篇博客。

经常关注学术界最新动态的同学对arXiv可能会非常熟悉，它是全球最大的学术开放共享平台，目前存储了8个学科领域近200万篇学术文章¹，学者们经常会将其即将发表或者未发表的文章挂在arXiv上让同行评议，这极大地促进了学术界的开放性与协作性。

众多的文章让人眼花缭乱，让人无法马上获取自己关注的领域的文章。笔者最近使用arXiv API² + Github Actions³ 实现了每天自动从arXiv获取相关主题文章并发布在Github以及Github Page的功能，预览点击这里。

今天要介绍的文章是“Back to the Feature: Learning Robust Camera Localization from Pixels to Pose”，发表于CVPR 2021，本文的一作正是SuperGlue的作者，本文实现一种端到端场景无关的相机定位网络，在公开数据集上表现优异。

2021年6月25日（晚），CVPR 2021图像匹配研讨会²⁷（简称IMW 2021）在线上成功举行。研讨会直播总时长4个多小时，由于时差原因，笔者当晚仅看了前一个小时，困得实在不行了，又次日看了回播，随后的几天晚上陆续对整个研讨会整理了一下。

关注港大MARS实验室的小伙伴应该都听过 R2LIVE (Robust, Realtime)，它以紧耦合的方式融合相机，雷达，IMU数据，能够较好地应对设备故障以及环境因素导致的视觉或激光退化现象。这几天MARS实验室又有大动作，他们在Github新建了一个叫 R3LIVE (Robust, Realtime, RGB-colored)的项目，这个项目在之前的版本的基础上改进了VIO算法并给激光点云上了颜色。目前该项目已上传论文，后续会公布代码。

论文题目“Pixel-Perfect Structure-from-Motion with Featuremetric Refinement”（通过在特征尺度优化进行高精度 SFM），获得 ICCV 2021 最佳学生论文。

本文的优化框架可在任何基于局部特征点的 SFM 流程中使用，使用 CNN 提取图像特征图(dense features)，根据稀疏的特征匹配得到初始的 tracks，调整每一个 track 对应的特征点在图像中的位置；根据调整后的位置进行 SFM 重建，重建过程中的 BA 优化残差由重投影误差变为 Featuremetric 误差。

本文记录工作中常用的bash命令，忘性大，在此记录。

这是高翔博士整理的VSLAM基础知识导图，感兴趣的同学可以看看。