6月16日消息，来自加拿大阿尔伯塔大学和马来西亚布特拉大学的研究者在论文《DeepRelativeFusion: Dense Monocular SLAM using Single-Image Relative Depth Prediction》中，提出了一种稠密的单目SLAM系统，命名为DeepRelativeFusion，它能够恢复全局一致的三维结构。据介绍，论文使用视觉SLAM算法可靠地恢复了摄像机姿态和关键帧的半稠密深度图，然后结合关键帧位姿图与稠密关键帧深度图来重建场景。

为了实现地图稠密化，该论文在能量最小化框架上引入了两个增量改进，代价函数中的增加图像梯度项和使用单目图像相对深度预测。尽管没有绝对的比例尺和深度范围，利用来自SLAM的半密集深度地图，可以对相对深度图进行修正。实验表明，修正的相对深度图对于稠密化先验来说精度够了，在量化对比结果中，该系统明显优于目前最新的在稠密重建SLAM系统。