论文名称：Keeping Less is More: Point Sparsification for Visual SLAM
出处：IROS 2022 ，作者：Yeonsoo Park和Soohyun Bae；
Paper：https://arxiv.org/pdf/2207.00225.pdf
整理：高斯球
简要叙述：特征点法的VSLAM系统中，特征点并不是越多越好；相反， 少量 并且 质量高 的点会让这个SLAM系统位姿精度更高，且消耗更少的存储资源和计算资源。本文基于上述情况，提出了一种在SLAM系统中实现地图点稀疏化的有效的图优化方法，进而减少一般特征点SLAM系统中的3D点和关键帧，减少了计算和存储资源，同时提高了位姿估计的精度。
当将SLAM用于真实世界中实际的问题（例如自动驾驶、无人机和AR设备）上时，其内存占用和计算成本是限制性能和应用范围的两个主要的因素；在离散的特征点SLAM算法中，解决这个问题的一个有效的方式是通过local BA 和global BA删除点进而限制地图点的规模；本项研究中提出了一种在SLAM系统中 实现地图点稀疏化的有效的图优化方法，具体上作者将最大位姿可见性和最大空间多样性问题表示成一个最小成本最大流量图优化问题。作者所提出的