KLTNet：用学习追踪器提升单目视觉惯性里程计精度

zhenjun_zhao · x · 2026-08-26

论文提出了 KLTNet，一种基于学习的稀疏特征追踪器，旨在替代 VIO 系统前端的传统 KLT 追踪器。其架构采用由粗到精、由密到疏的策略：先利用低分辨率稠密光流进行鲁棒的全局运动初始化，再通过三元组补丁细化实现精确的时间一致性追踪。实验表明，在 VINS-Mono 和 OpenVINS 上的测试结果显示，该方案在嵌入式平台保持实时性能的同时，提升了追踪和里程计精度。