ORB_SLAM3简介_orbslam3

ORB_SLAM3的一些分析

前言

在大学这一年多的学习过程中，因为学习和项目、比赛的需要，渐渐学习了ORB_SLAM3，在此将学习到的心得体会逐渐记录下来，不断深化理解ORB_SLAM3。

1.ORB_SLAM3的创新点

• ORB_SLAM3是第一个基于特征的紧耦合的VIO系统，仅依赖于最大后验估计(包括IMU在初始化时)代码部分对应于MLPNP部分，在IMU的初始化部分引入了map。

• 系统根据改进召回的新的重定位模块来构建的混合地图，因为这个模块可以让ORB-SLAM3在特征点较少的场景中长期运行：当里程计失败的时候，系统会重新构建地图并将这个地图和原来构建的地图对齐。如果是原有的DBOW2的话需要匹配三个连续的关键帧，而ORB_SLAM3对候选的关键帧第一次就进行几何一致性检测，然后利用三个共视的关键帧进行局部的一致性检验，这种策略提升了召回率，并增强了数据关联，提高了地图准确性，但是这是以显著提高计算成本作为代价的，所以导致ORB_SLAM3在内存不足的情况下无法运行。

• ORB_SLAM3是第一个能够在所有算法阶段重用所有先前信息的系统。这样的机制就可以在光束法平差的时候用有共视关系的关键帧，即使两帧在时间相差很远，或者来自原来的建图过程，精度有了很大提升。

• ORB_SLAM3是第一个可以对短期、中期、长期数据进行数据关联的视和视觉惯导的系统。在已知地图的环境中可以无漂移的运行，其中混合地图数据关联－这个可以保证我们进行地图匹配和进行BA优化，这也达到了构建一个地图，然后可以在地图中进行精确的定位的目的。

  短期的数据关联：在最近的几帧中匹配地图元素。如同视觉里程计中做的一样，丢弃过于久远的帧，这会导致有累计的漂移。

  中期的数据关联：匹配相机累计误差小的地图，这也可以用在BA中，当系统在已经建好的地图中运行的时候可以达到零漂移。

  长期的数据关联：利用场景重识别来匹配当前的观测和先前的观测，不用管累计误差而且即使跟踪失败也可以实现,长期的匹配可以利用位姿图优化重新设置漂移，为了更准确也可以利用BA。这是在大场景中精度保证的关键。

• ORB_SLAM3是可以解决纯视觉或者视觉惯导的完整的混合地图的SLAM系统，Atlas代表的是地图的集合，可以把其中的地图应用到所有的建图过程中，如场景重识别、相机重定位、闭环检测和精确的地图融合，即该系统为增量的SLAM系统，作者在IROS2019的一篇论文中首次提出了Atlas的概念：《ORBSLAM-atlas: a robust and accurate multi-map system》，而ORB_SLAM3添加了visual-inertial的混合地图系统来实现场景重识别。

• 不限制相机模型，只需提供投影，反投影及Jacobian方程（程序中提供了针孔与鱼眼模型）

2.ORB_SLAM3的整体框架

1.Atlas

Atlas(地图集)由几乎无限数量的地图组成，每个地图都有自己的关键帧、地图点、共视图和生成树。每个地图参考帧固定在建立这个地图时的第一个相机中，并且它独立于ORB中的其他地图（non-active map）参考。传入的视频只更新地图册中的一个地图，为活动地图（active map），其余地图称为非活动地图（non active map）。该图集还包含一个所有地图的唯一DBoW2识别数据库，该数据库存储识别任何地图中任何关键帧的所有信息。好处是可以处理无限数量的子地图，这些子地图又有着唯一的词袋数据库，其包含了所有子地图的关键帧，因此可以进行高效的多地图位姿识别，并可以建立多映射的算法，当新的子地图创建时，可以将创建的新的映射与原来的映射合并，也可以将两个地图与一个公共地图进行无缝合并，合并后的新映射代替这里原有的映射，这样可以防止比如在跟踪时轨迹突然出现断点，断点前后的地图进行合并，还可以防止相机位姿不确定性导致的BA错误，提高稳定性。

2.跟踪线程

tracking部分与Atlas部分相配合，决定当前帧是否为关键帧，为Atlas输送新的关键帧，并且对该帧计算最小化重投影误差，VI模式中，通过IMU残差计算本体的速度与IMU偏差。如果跟踪丢失，尝试在Atlas所有地图中重定位，如果成功那个地图将成为活动的。如果几帧过后失败，则重新开始一个新的地图，这也使得ORB_SLAM3系统中有着非常多的子地图，并且也有着对于子地图进行融合的操作。

3.局部地图线程

添加新的关键帧与MapPoint到活动的地图中，删除冗余，利用滑动窗口通过BA更新地图。VI模式中IMU的参数在这个线程初始化与更新，使用的是作者提出的最大后验估计技术

4.回环与地图融合线程

每添加一个关键帧，就探测活动的地图与其他地图的共有区域，如果检测到，执行回环矫正，如果不属于同一个地图，则将他们融合成一个。在矫正后另开一个线程进行整体的BA进一步更新地图且不影响实时性。

5.在monocular-IMU情况下的程序流程

因为目前学习相机-IMU情况下进行定位以及建立地图，系统的流程图总结如下

这是第一次写SLAM的文章，很多地方还是借鉴了其他博主的优秀之处，主要还是对于论文整体的理解和翻译，我也会进一步更新自己ORB_SLAM3的理解，希望可以真正吃透SLAM技术，变得更加优秀。