ORB-SLAM系列算法相关介绍（综合版）

news2024/9/23 11:13:28

一、参考资料

ORB-SLAM2详解（一）简介
（公开课）视觉SLAM原理与ORB-SLAM3系列算法

二、相关介绍

1. ORB简介

ORB指的是一种旋转不变性特征。

2. ORB-SLAM系列算法的演进

在这里插入图片描述

三、ORB-SLAM

论文：ORB-SLAM: A Versatile and Accurate Monocular SLAM System
github代码仓库：ORB-SLAM
ORB-SLAM官网：ORB-SLAM

1. ORB_SLAM简介

2015年，Raul Mur-Artal等人提出了一个基于特征点的稀疏建图系统ORB_SLAM，整个系统是基于ORB特征实现的。ORB-SLAM也是实时的单目SLAM系统，在大规模的、小规模的、室内室外的环境都可以运行。该系统对剧烈运动也很鲁棒，支持宽基线的闭环检测和重定位，包括全自动初始化。

最新的ORB_SLAM的进展是基于ORB_SLAM的关键帧做了半稠密场景重建，新的研究成果可持续关注 ORB-SLAM 项目主页。
在这里插入图片描述

2. ORB-SLAM系统架构

从ORB-SLAM系统架构中可以看出，ORB-SLAM主要分为三个线程进行，分别是Tracking、LocalMapping、LoopClosing。ORB-SLAM2的工程非常清晰漂亮，三个线程分别存放在对应的三个文件中，分别是 Tracking.cpp、LocalMapping.cpp 和 LoopClosing.cpp 文件。
在这里插入图片描述

3. ORB-SLAM三个线程

3.1 跟踪（Tracking）

这部分主要工作是，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。

3.2 建图（LocalMapping）

这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），最后再对插入的关键帧进行筛选，去除多余的关键帧。

3.3 回环检测（LoopClosing）

这部分主要分为两个过程，分别是回环检测和回环矫正。回环检测先使用WOB进行探测，然后通过 Sim3算法 计算相似变换；回环矫正，主要是回环融合和 Essential Graph 的图优化。

四、ORB-SLAM2

论文：ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras
github代码仓库：ORB-SLAM2
CSDN专栏：ORB SLAM2
CSDN专栏：SLAM
CSDN专栏：视觉SLAM

1. ORB-SLAM2简介

2017年，在ORB-SLAM的基础上，Raul Mur-Artal等人提出了改进版本的ORB-SLAM，它从单目相机扩展到双目和RGB-D相机。ORB-SLAM2利用远关键点和近关键点，在使用双目相机时提高算法的准确率。

ORB-SLAM2是一套完整的SLAM方案，它能够实现地图重用、回环检测和重新定位的功能。ORB-SLAM2在后端上采用基于单目和双目的 光束法平差优化（BA）的方法，该方法允许米制比例尺的轨迹精确度评估。此外，ORB-SLAM2包含一个轻量级的定位模式，该模式能够在允许零点漂移的条件下，利用视觉里程计来追踪未建图的区域，并且匹配特征点。