论文解读：BAD SLAM | 直接法实时BA+RGBD基准数据集（CVPR2019）
本文解读的论文为发表于CVPR 2019的 "Schops, Thomas, Torsten Sattler, and Marc Pollefeys. Bad slam: Bundle adjusted direct rgb-d slam. Proceedings of the IEEE conference on computer vision and pattern recognition. 2019."
虽然这篇论文的主要创新是对SLAM中优化步骤中常用的Bundle Adjustment算法进行改进，本篇文章对BAD SLAM整个SLAM系统进行了介绍，对SLAM中常见的前后端架构，以及其中涉及到的每个步骤都有简单的介绍，利于读者对SLAM系统有大概的认知。
这篇论文还建立了一个RGB-D SLAM的基准数据集，由于论文中提到的它相对于RGB-D SLAM领域常用数据集TUM RGB-D在硬件、评测设置等方面的优越性，该论文的数据集也是RGB-D SLAM领域研究者值得关注、使用的数据集。
主要贡献
-
提出一个快速的直接法的BA，用于RGB-D SLAM系统中，一个GPU就可以实现实时性能，且效果性能超过其他现有系统
-
建立并公开了一个RGB-D SLAM的基准数据集，相比以往的数据集，主要优势是数据在采集时就保障了高度同步性，且消除了卷帘快门的影响；此外还在项目官网www.eth3d.net上建立一个排行榜，保留了一部分测试数据没有公开，专门用于测试不同算法的性能
背景介绍
