9、基于ROS的单目视觉SLAM方法比较

基于ROS的单目视觉SLAM方法比较

1. 引言

近年来，机器人技术的进步为机器人系统融入人类生活的多个领域带来了新机遇，如自动驾驶、运输、农业、制造业、仓库管理、医疗服务、搜索救援、人机交互等。在这些领域中，移动机器人技术及其相关方法和技术发挥着重要作用，而同时定位与地图构建（SLAM）是其中一个具有前景的领域。

在机器人领域，SLAM方法主要解决在未知环境中确定机器人位姿的问题。它通过对环境地标进行相对观测，实现增量式的实时地图构建，进而计算出机器人在地图中的位置。

SLAM技术可使用多种传感器来收集未知环境的信息，包括激光测距仪（LRF）、单目视觉、双目视觉和RGB - D相机。目前，二维LRF SLAM是最常用的SLAM方法，它结合了激光测距仪和轮式里程计数据。然而，这种方法存在一些缺点，如激光雷达技术成本高、测量累积误差大，且在缺乏轮式里程计的崎岖地形中适用性不佳。

相比之下，视觉SLAM（vSLAM）技术仅依赖相机的视觉输入。它使用单目、双目或RGB - D相机进行地图构建，并依靠回环检测算法来解决位置随时间偏移的问题。视觉回环检测主要通过评估图像之间的相似度来实现，由于图像能提供大量数据，vSLAM在回环检测方面具有很大优势。当成功检测到回环后，会执行图像特征检测和匹配算法，内部优化算法可根据这些数据重新配置轨迹和地图，以减少累积误差。

单目相机因价格低廉、重量轻且能提供丰富的环境信息，成为vSLAM的理想视觉传感器。本文将对四种在机器人操作系统（ROS）中实现的单目vSLAM方法进行比较，分别是ORB - SLAM2、ORB - SLAM3、DSO和LDSO。其中，ORB - SLAM2和ORB - SLAM3是基于特征的方