【视觉惯性SLAM：十七、ORB-SLAM3 中的跟踪流程】

KeyPan

已于 2025-01-18 21:37:03 修改

阅读量719

点赞数 18

分类专栏：视觉惯性SLAM 文章标签：计算机视觉

于 2025-01-18 21:23:52 首次发布

版权

21 篇文章

订阅专栏

17.1 跟踪流程流程图

ORB-SLAM3 的跟踪模块是整个系统的重要组成部分，负责实时确定相机在三维空间中的姿态位置，并保持关键帧之间的连续性。其基本目标是将输入的视频流与已有地图数据进行对齐，完成位姿估计和地图更新。
在这里插入图片描述

一个典型的 ORB-SLAM3 跟踪流程可以分为以下几个主要步骤：

输入数据预处理：
- 接收传感器数据，包括图像帧和 IMU 数据。
- 对图像进行去畸变和特征提取。
- 将 IMU 数据同步到对应的时间戳，以便后续融合。
初始匹配：
- 使用提取的 ORB 特征点进行匹配。
- 在已有地图中寻找相应的局部特征点。
姿态估计：
- 通过匹配点的重投影误差计算相机的初步姿态。
- 利用 IMU 提供的惯性信息优化位姿估计。
地图更新：
- 如果跟踪正常，更新地图点和关键帧。
- 如果跟踪失败，触发重定位模块。

基于以上逻辑，可以构建一个基本流程图：

扩展部分：流图优化 在真实实现中，跟踪流程还需充分考虑：

ORB-SLAM3 的跟踪流程是一个动态的、实时更新的过程，其流图既直观地表达了数据流动关系，也为开发和调试提供了重要依据。

ORB-SLAM3 相较于早期版本（如 ORB-SLAM2），在跟踪流程中引入了多项新变化。这些变化主要体现在对多模态输入的支持、跟踪失败的恢复机制以及对动态场景的适应性增强上。

ORB-SLAM3 的跟踪模块新增了几种状态，用于更细粒度地处理不同场景：

正常跟踪状态：相机位置和姿态能够通过特征匹配和 IMU 融合稳定估计，地图更新顺利进行。
部分跟踪状态：当特征点匹配率下降到一定阈值（例如低于 50%），系统进入部分跟踪状态。这时，ORB-SLAM3 会尝试：
- 启用更密集的局部搜索。
- 使用最近的关键帧信息增强匹配。
跟踪失败状态：当无法完成位姿估计时，系统标记为失败状态，并触发重定位机制。
多模态切换状态（新增）：当系统检测到多种数据输入（例如图像 + IMU 或多目输入）时，会动态调整跟踪策略。例如：
- 优先使用图像特征进行匹配。
- 当图像质量下降时，依赖 IMU 提供的姿态预测。

新增的状态管理大幅提升了 ORB-SLAM3 在复杂场景中的稳定性和鲁棒性。

第一阶段是特征点的提取与初始匹配过程。在 ORB-SLAM3 中，这部分的改进体现在以下几个方面：

ORB 特征提取的优化：
- 使用金字塔式提取方法，增强对不同尺度特征的识别能力。
- 在光照变化大的场景下，加入直方图均衡化技术，提升特征点的稳定性。
地图点匹配的新策略：
- 引入基于深度学习的特征点匹配辅助模块，用于在遮挡严重时，推断可能的特征点位置。
- 优化局部地图搜索算法，减少特征点搜索的时间复杂度。
动态点的剔除：
- 使用运动一致性检查剔除动态特征点，确保初始匹配的准确性。

第一阶段的改进为后续的姿态估计和地图更新奠定了更坚实的基础。

第二阶段的任务是通过初始匹配结果完成姿态优化。这部分的变化主要集中在 IMU 融合和优化策略上。

IMU 融合的新机制：
- 在非线性优化过程中，将 IMU 的加速度和角速度数据引入误差项计算，使优化结果更接近真实值。
- 使用预积分方法减少 IMU 数据处理的计算量，同时提高位姿估计的实时性。
全局 BA 优化：
- 在后端优化过程中加入更多约束条件，例如场景结构一致性约束，减少漂移。

第二阶段的改进主要针对动态环境和大规模场景的适应性。

ORB-SLAM3 的关键帧插入策略相较于之前版本更加灵活，体现在以下方面：

动态关键帧选择：
- 系统不再严格按照固定间隔插入关键帧，而是根据跟踪状态动态调整插入频率。例如：
  - 在跟踪正常时，减少关键帧插入频率，节省计算资源。
  - 在跟踪部分失效时，增加插入频率，便于恢复。
关键帧的优先级评估：
- 系统为每个关键帧分配一个优先级，用于在地图优化时选择重要帧。例如，包含大量动态点的关键帧优先级会降低。
IMU 数据的辅助插入：
- 当关键帧间的 IMU 数据累积漂移过大时，系统强制插入新关键帧。