该文介绍了在 AISG-SLA 视觉定位挑战竞赛中获得第一名的解决方案。作者使用基于深度学习的匹配器 RoMa 对图像进行匹配，并从中样本点进行相对运动估计，取得了非常有竞争力的成绩。为了提高估计准确度，作者提取图像中的关键点，并使用 COLMAP 进行结构运动重建。此外，作者使用 DINOv2 进行图像检索，并匹配特定的非连续图像对，解决了图像序列中的时间跳跃问题。这些改进使得作者的解决方案超过了所有竞争对手。