本文介绍了ORB描述子在视觉SLAM系统ORBSLAM2中的作用，包括跟踪和回环检测阶段的使用。ORB描述子结合了FAST关键点的快速提取和BRIEF描述子的旋转不变性，通过空间金字塔实现尺度不变性。在跟踪阶段，ORB描述子用于特征匹配和相机定位；在回环检测中，经过Bag of word转换，用于比较视觉词汇的相似性。
ORBSLAM2中使用ORB描述子的方法
经典的视觉SLAM系统大体分为两种：其一是基于特征点法的，其二是基于直接法的。那么本文主要就讲特征点法的SLAM。
基于特征点法的视觉SLAM系统典型的有PTAM，ORBSLAM等。本文主要围绕ORBSLAM2的方案来阐述特征点法SLAM，因为ORBSLAM2可以说是特征点法SLAM的巅峰之作。ORBSLAM2采用三个主要线程：跟踪，局部建图和闭环以及一个额外线程：全局BA，该线程只有在闭环时才会触发。值得注意的是，ORBSLAM2中每个模块中都采用ORB描述子，而不像之前的其他系统那样跟踪和回环检测使用不同的特征点，这种做法一方面是节省提取时间，另一方面可以使得整个系统更加简洁。
在跟踪阶段，ORBSLAM2对输入图像提取ORB描述子，与参考帧图像的ORB描述子进行特征匹配，具体的特征匹配方法下一讲中我们再详细讨论。如图1蓝色线所示，Rf表示参考帧(在ORBSLAM2中即是最后一个插入的关键帧Kf)，Cf表示当前帧。p1表示参考帧Rf中的像素点，而p2表示当前帧Cf中与参考帧Rf匹配的ORB特征点位置。ORBSLAM2中在地图中查找p1的三维坐标P，如图1绿色线所示，查询完毕后利用外参T=[R,t]将P投影到当前帧Cf中，如图1红色线所示。如图1中黄色线所示，p2为P在当前帧Cf中的真实位置，而p2'为实际投影位置，二者之间存在误差，通过优化外参T=[R,t]来使得所有特征点之间的冲投影误差最小，实现相机的位置跟踪：
最低0.47元/天 解锁文章
扫一扫
439
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
