PTAM SLAM

特征匹配差异

PTAM patch 匹配和 ORB 描述子匹配

ORB-SLAM 用 ORB 特征匹配计算位姿，回环检测和重定位都用 ORB 特征；PTAM 没有用特征，和 SVO 一样，用的是 patch（8x8 方块），PTAM 在地图点和当前帧 patch 匹配的时候，由于地图点所在的帧和当前帧间距或者旋转可能较大，当前帧的 patch 相对于地图点的可能形变较大（尺度，旋转，拉伸），所以地图点的 patch 在当前帧寻找匹配的 patch 时，先计算一个 affine warp matrix 变换，将地图点的 patch 变换到和当前帧的相似，再在当前帧中用 SSD 算法找匹配的 patch。

4x4 affine warp matrix 计算表达式： 

A=⎡⎣⎢⎢⎢∂uc∂us∂vc∂us∂uc∂vs∂vc∂vs⎤⎦⎥⎥⎥

上式中  {us,vs}  是 source pyramid level 像素位移（地图点所在关键帧在对应层的像素位移）， {uc,vc}  是 source pyramid level 中有位移  {us,vs}  时在当前帧最底层产生的像素位移。

affine warp matrix 具体计算方式如下： 
在地图点所在关键帧对应层上，产生一个像素的位移（横纵坐标分开做），并且将这个像素位移（对应到最底层位移不止一个像素）投影到地图点所在的 patch 平面上（patch 在三维空间的坐标和法向量可以确定 patch 在 3D 空间的平面），再将这个 3D 空间中的位移线段投影到当前帧中，计算在当前帧在横纵坐标上产生的像素位移。

矩阵  A  的行列式决定 patch 在当前帧的哪一层上做搜索，矩阵行列式还决定了搜索的面积， det(A)/4  是在第一层搜索的面积， det(A)/4l  是在第  l  层搜索的面积，使得  det(A)/4l  接近 1 的层  l  是搜索 patch 的层。

在进行搜索前先用矩阵  A/2l  对 source 的 patch 做变换，做完变换后再通过插值得到待搜索的 patch，因为计算  A  时 source patch 是在 source pyramid level 和当前帧第一层金字塔对比的，所以 A 在对 source patch 做变换时还需要除以  2l ，这样得到的 warp 后的 patch 才可以在使  det(A)/4l  接近 1 的层上搜索。 det(A)/4l  中的 4 指面积，层间的面积比是 4， det(A)/2l  是计算坐标，层间的横纵坐标比是 2。

而对于 ORB-SLAM 中的特征匹配，特征描述子对于旋转具备不变性（其他特征可能还具备平移，相似或者仿射不变性），不需要对 patch 进行 SSD 匹配，只需要计算特征描述子间距离就可以了。

ORB-SLAM 特征提取很耗时。

匹配流程差异

ORB-SLAM 先和上一帧配准，再跟当前帧所在的局部地图配准计算位姿： 
http://blog.csdn.net/fuxingyin/article/details/53511439

PTAM 通过两步和局部地图配准计算位姿，第一步和少量的层数最高的地图点配准计算位姿，然后再和大量的地图点配准计算位姿。

ORB-SLAM 中的 convisibility graph

ORB-SLAM 中的 convisibility graph 保存了关键帧之间的连接，通过 convisibility 可以得到局部地图，在和局部地图匹配和初始化新的地图点时都用到 convisibility graph，PTAM 没有 convisibility graph。

ORB-SLAM 中的 Essential Graph /Pose graph

ORB-SLAM 中通过 convisibility graph 计算得到 Essential Graph /Pose graph，在检测到回环时，先优化 essential graph 再进行全局的 BA，essential graph 在 PTAM 中也是没有的。

回环检测和回环优化

PTAM 中没有回环检测，只有 local BA，PTAM 是为小场景 AR 设计的，没考虑全局的回环。ORB-SLAM 有回环检测，也有 locaL BA。ORB-SLAM 只有 tracking 和 mapping 两个线程，ORB-SLAM 有 tracking，mapping 和 loop closing 三个线程。

重定位算法

PTAM 中的重定位算法和 Elasticfusion 中的重定位算法很像： 
http://blog.csdn.net/fuxingyin/article/details/51436430 
ORB-SLAM 基于 DBoW2 做重定位，个人感觉基于 Fern 的重定位算法实现起来简单，方便调试，召回率相对于 DBoW2 高，准确率低。

参考文献： 
“Parallel Tracking and Mapping for Small AR Workspaces” 
“ORB-SLAM: a Versatile and Accurate Monocular SLAM System”