SLAM之小觅相机跑开源方案（ORB_SLAM2，VINS MONO，VINS FUSION，RTAB-Map）

传感器：　小觅相机标准版
开源SLAM方案：　ORB_SLAM2，VINS MONO，VINS FUSION，RTAB-Map
测试地点：　室内大厅（光线不均）/ 露天阳台
实现形式：　小觅相机 / kinect　在目标地点跑两圈

相机标定：

1)　安装标定工具,在命令行里输入:
　rosdep install camera_calibration
　rosmake camera_calibration
2)　roscore
3)　source MYNT-EYE-S-SDK/wrappers/ros/devel/setup.bash
　roslaunch mynt_eye_ros_wrapper mynteye.launch
4)　rosrun camera_calibration cameracalibrator.py --size 9x6 --square 0.02516 --no-service-
　　check --approximate=0.1 right:=/right/image_raw_color left:=/left/image_raw_color right_camera:=/mynteye/right 　　left_camera:=/mynteye/left

获取图像校准参数

１）cd MYNT-EYE-S-SDK
２）./samples/_output/bin/tutorials/get_img_params
获得针孔模型下的 distortion_parameters 和 projection_parameters 参数，然后在×××.yaml 更新。

方案匹配：

一、slam方案：ORB_SLAM2

室内跑两圈，采集结果如下：
说明：
1、可获得point、keyframe、graph数据
2、相比于kinect相机，跑小觅相机中速运动时不易丢包；
３、重定位算法比较好，但仍有较大偏差；
４、光线强度高的地方很容易丢包；测量地点为一个闭环，测试结果却没形成闭环；图像为稀疏点云，数据大了会卡。

二、slam方案：VINS MONO；mono+imu；回环

室内跑两圈，采集结果如下：
说明：
１、加回环检测（红三角）能识别曾经到过的路径并修正，但延迟比较高；未加回环（绿三角）跑偏，相比于vins fusion的双目不加回环，效果较差；
2、IMU漂移比较严重

三、slam方案：VINS FUSION；stereo+imu；无回环

室内跑两圈，采集结果如下：
说明：
１、快速运动时不丢包；光线不敏感，能适应复杂场景；能形成闭环
２、生成稀疏点云图，同ORB_SLAM2，需后期进行稠密建图等优化处理
３、未加回环，无法识别曾经到过的路径，拟后期加上回环再进行测试

四、slam方案：RTAB

三楼阳台测试，生成点云图示意：
说明：
１、SLAM集成完整；可生成稠密地图，用于导航、避障
２、慢速下不易丢包【速度和ORB差不多】；丢包后能进行快速重定位；对光线不敏感，能适应多复杂场景
３、两种安装格式：二进制——直接应用；源码——可二次开发
４、用kinect测试，效果不错，但kinect可视距离在２米内；拟后期改跑小觅相机再测试

综上：

可参考方案有VINS FUSION和RTAB：
１）若选择VINS FUSION双目+imu，加入回环算法，效果会好很多；但后续仍需优化、稠密建图等处理
２）若选择RTAB-Map，添加小觅相机的依赖，提高识别距离，效果应该不错；选用源码安装方式，便于后期二次开发。

以上是相机实跑SLAM方案测试结果，小白一枚，若有误差，请指出，不甚感激！