科普类——ORB-SLAM2与ORB-SLAM3的整体架构以及异同点（八）

ORB-SLAM2

ORB-SLAM2（Oriented FAST and Rotated BRIEF SLAM）是一个开源的、基于特征的SLAM（Simultaneous Localization and Mapping）系统，它由Raul Mur-Artal、Jorge D. Tardos和Jose M. M. Montiel在2017年提出。ORB-SLAM2在ORB-SLAM的基础上进行了改进，提高了系统的鲁棒性、精度和效率。以下是ORB-SLAM2的整体框架结构概述：

1. 系统初始化：

   • 在系统启动时，ORB-SLAM2首先进行初始化，包括估计相机的内参、外参，以及构建一个初始的地图。

2. 特征提取与匹配：

   • 使用ORB（Oriented FAST and Rotated BRIEF）特征点检测器提取图像中的关键点，并计算其描述符。
   • 在连续帧之间进行特征匹配，以估计相对运动。

3. 运动估计：

   • 使用基于特征点的匹配，ORB-SLAM2估计相机之间的相对运动。这包括使用PnP（Perspective-n-Point）算法进行粗略估计，然后通过RANSAC（Random Sample Consensus）进行优化。

4. 地图构建与更新：

   • 在估计出相机运动后，ORB-SLAM2将新帧的关键点与已有地图进行匹配，以更新地图。这包括添加新的地图点（关键点）和更新现有点的位置。
   • ORB-SLAM2支持两种地图表示：关键点地图（Keypoint Map）和词袋地图（Bag of Words Map）。关键点地图存储所有检测到的关键点，而词袋地图则使用局部词袋描述符来表