ORB-SLAM论文学习

梳理了一下ORB-SLAM论文

一、系统架构

1、ORB特征

整个SLAM系统使用改进后的ORB特征（256维二进制描述符的带方向的多尺度FAST角点）

2、三个线程

A、TRACKING跟踪线程：主要负责对每帧图像的相机位置进行定位和关键帧的插入

B、LOCAL MAPPING局部地图构建模块：处理关键帧并对周围相机位姿进行局部BA

C、LOOP DETECTION回环检测： 对每个关键帧进行闭环检测，利用相似性约束对位姿图进行优化

3、地图点云与关键帧

A、地图点云包括信息：3D坐标、视图方向、ORB描述子、可观测点云的最大最小距离

B、关键帧包括信息：相机位姿、所有的ORB特征、相机内参

4、Covisibility Graph和Essential Graph

A、每个关键帧为一个节点，共同观测到15个点云则连一条边构成一张图Covisibility Graph

B、进行全局位姿优化加快优化速度，构建一张Essential Graph，其包含所有关键帧，但边缘更少

5、使用DBoW2执行闭环检测

二、详细流程

1、地图初始化

A、提取ORB并匹配双视图

B、并行计算H、F矩阵

C、模型选择：场景近平面或存在低视差使用H矩阵求解；非平面场景与足够视差情况下使用F矩阵求解；

D、运动到结构：H矩阵提取八种运动假设并测试出有效解；F矩阵使用K矩阵转化为E矩阵，然后分解出4个解；测试解的正确性，若没有一个优胜解则从头执行地图初始化

E、全局BA，优化点云地图

2、跟踪

A、特征提取

B、根据前一张关键帧估计位姿：利用匹配点及对应的地图点估计位姿，若没有足够的匹配点则在点云点附近搜索其他点找匹配点

C、全局重定位：全局选取相似关键帧轮流