ORB-SLAM2 学习1

申明：本文只是作者为方便知识积累，总结了很多SLAM大牛的文章要点。

ORB-SLAM源码地址：https://github.com/raulmur/ORB_SLAM2.git

ORB-SLAM项目组网址：http://webdiis.unizar.es/~raulmur/orbslam/

ORB-SLAM是一个基于特征点的实时单目检测和重定位SLAM系统，在大规模、小规模、室内室外的环境中都可以运行。该系统对于剧烈运动也很鲁棒，支持宽基线的闭环检测和重定位，包括全自动初始化。该系统包含了所有SLAM系统的共有模块：跟踪（Tracking）、建图（Mapping）、重定位（Relocalization）、闭环检测（Loop closing）。由于ORB-SLAM是基于特征点的，故其能够实时计算出相机的轨迹，并生成场景的稀疏三维重建结果。ORB-SLAM2在ORB-SLAM基础上还支持标定后的双目相机和RGB-D相机。

ORB-SLAM的优势与贡献：

1. 使用ORB特征描述，不用GPU加速就可以实时，具有视点不变性和光照不变性。

2. 使用Covisibility Graph，使跟踪和建图聚焦在局部共视区域。

此处补充下Covisibility Graph的概念

以下内容参考自高博在知乎上的回答：https://www.zhihu.com/question/42050992/answer/93630213

首先，图优化是目前视觉SLAM里主流的优化方式。其思想是把一个优化问题表达成图（Graph），以便我们理解、观察。

一个图中有很多顶点，以及连接各顶点的边。当它们表示一个优化问题时，顶点是待优化的变量，而边是指误差项。我们把各个边的误差加到一起，就得到了整个优化问题的误差函数。顶点的参数化形式可以有很多不同的样子，例如某些顶点可以表示相机的Pose，另一些顶点可以表示三维空间点，同理，边也有不同的形式。除了个别的顶点和边，我们也关心整个图的结构，例如连通性等。

Covisibility Graph, Essential Graph，是不同图的形式，Spanning Graph为生成树。

如果我们考虑所有的相机Pose和所有点的空间位置，构造出来的图将会非常复杂，而难以直接进行实时优化。因此，通常我们会构建一些带有特殊结构的图，以满足实时性需求。

最简单的是Pose Graph，如果我们对特征点的空间位置并不关心，就可以构建只带有Pose结点以及Pose-Pose边这样的图。由于一个照片中常常有上千个特征点，这样做可以节省许多计算量。

Covisibility Graph的顶点是相机的Pose，而边是Pose-Pose的变换关系，所以也算是Pose Graph的一种。当两个相机看到相似的空间点时，它们对应的Pose就会产生联系（我们就可以根据这些空间点在照片上的投影计算两个相机间的运动）。根据观测到的空间点的数量，给这个边加上一个权值，度量这个边的可信程度。

Essential Graph比Covisibility Graph更简单，ORB-SLAM主要用它来进行全局优化。为了限制优化的规模，ORB-SLAM试图尽量减少优化边的数量。而尽量减少边，又保持连通性的方法，就是做一个最小生成树。

Covisibility是一直在用的概念，而Essential Graph是orb-slam自己提出的概念，为了减少全局会还的计算量，当你自己实现slam时，也会碰到这些困难，并设计一些应对的策略，这些就是你的创新性，事实上，随着SLAM时间的增长，如何控制图的结构和优化的规模，仍是现在SLAM有待解决的一个问题。

3. 使用the Essential Graph来优化位姿实现回环检测。

4. 相机重定位，视点和光照改变都适用。

5. 根据对平面和非平面选择不同模型，实现自动初始化。

6. 舍弃多余的关键帧，提高跟踪鲁棒性，加强长时间操作。

ORB-SLAM的系统架构：

（1）特征提取的方法：ORB特征提取

（2）三个线程。线程1：跟踪，通过每一帧图像定位相机，选择是否加入关键帧；线程2：局部建图：处理新的关键帧，使用local BA完成重建；线程3：闭环检测，对每一个新加进的关键帧进行回环检测。

（3）地图点和关键帧。

（4）Covisibility Graph 和 Essential Graph

（5）用于场景识别的词袋。

以下对三个线程的内容进行说明：

1. 跟踪（Tracking）

这一部分主要工作是从图像中提取ORB特征，根据上一帧进行姿态估计，或者进行通过全局重定位初始化位姿，然后跟踪已经重建的局部地图，优化位姿，再根据一些规则确定新的关键帧。

2. 建图（LocalMapping）

这一部分主要完成局部地图构建，包括对关键帧的插入，验证最近生成的地图点并进行筛选，然后生成新的地图点，使用局部捆集调整（Local BA），然后再对插入的关键帧进行筛选，去除多余的关键帧。

3. 回环检测（LoopClosing）

这一部分主要分为两个过程：闭环检测和闭环校正，闭环检测先使用WOB进行探测，然后通过Sim3算法计算相似变换。闭环校正主要是闭环融合和Essential Graph的图优化。

ORB-SLAM2 学习1相关推荐

ORB SLAM学习--跑自己数据集图片序列或摄像头或视频（转）
转自:用ORB SLAM2跑自己的数据集使用图片序列或摄像头或视频实践篇_不二青衣的博客-CSDN博客_orbslam2运行自己的数据集学习做实验参考使用,侵权则删用ORB SLAM2跑自己 ...
orbslam2可视化_[Ubuntu] ORB SLAM2 编译调试
ORB SLAM2 是 2015年比较受到关注的一篇文章,它的主要思想是借助 ORB 描述子改进了 Sparse SLAM 的性能,使得其在稳定性和速度上都达到了比较好的程度.从创新性上来讲,它的主要 ...
ORB SLAM2源码解读(三)：Frame类
文章目录前言构造函数双目相机 RGBD相机单目相机 ExtractORB:提取特征点 ComputeBoW:计算词袋数据 SetPose:设置相机外参 isInFrustum:判断一个MapP ...
Ubuntu下使用单目相机运行ORB SLAM2
环境:Ubuntu16.04+ROS Kinetic+USB单目摄像头虽然ORB SLAM2的官方说明中表示没有ROS也可以编译运行,但要实时的跑ORB SLAM2还是需要ROS平台的,所以之前没有 ...
Ubuntu 16.04~ORB SLAM2～Kinect v1
额 Ubuntu16.04 ORB-SLAM2实现(kinect V1/ROS) ----------------------------------------------------------- ...
Ubuntu14.04 使用本地摄像头跑ORB SLAM2
嗯这个方法我暂时弄不出来,用了另外一个方法:SLAM14讲第一次课使用摄像头或视频运行 ORB-SLAM2 前面的准备: Ubuntu14.04安装 ROS 安装步骤和问题总结 Ubuntu14 ...
新手入门新电脑安装配置orb slam2 一步到位不踩坑（ubutun18.04）
目录一.安装基础工具二.安装Pangolin,作为可视化和用户界面三.安装OpenCV,用于处理图像和特征 (1)下载OpenCV 3.4.1 (2)安装依赖项 (3)编译安装 (4)配置环境, ...
ORB-SLAM2源码解析（一）：ORB算法
ORB-SLAM2源码解析(一):ORB算法目录一.前言二.ORB算法原理三.ORB-SLAM2中ORB算法代码注释分析四.与opencv中ORB对比测试五.总结六.参考一.前言目前 ...
ORB-SLAM / ORB-SLAM2原理解读+代码解析（汇总了资料，方便大家学习）
注释:本文非原创,初学搜集了很多资料附上链接,方便初学者学习,避免盲目搜索浪费时间. 目录官方代码链接代码框架思维导图参考解读参考链接- -一步步带你看懂orbslam2源码 ORB-SLAM ...
orbslam2学习记录
orbslam2学习记录 1.orb slam2的总体框架 2.orb slam2如何完成初始化 3. 如何从单幅图提取特征点什么是特征点 ORB特征关键点图像金字塔灰度质心法非极大抑制描 ...

ORB-SLAM2 学习1

ORB-SLAM2 学习1相关推荐

最新文章

热门文章