（十三）ORBSLAM3子地图融合优化

---

前言

　　距离上一次博客更新已经过去了N年。。。

　　ORB-SLAM2继续更新，这真的是有生之年系列。

　　ORB-SLAM3在2的基础上，引进了IMU的初始化和融合估计，以及子地图功能。笔者目前 IMU 相关的知识相对比较薄弱，因此准备在第十四讲的时候再为大家介绍VI-ORBSLAM相关的内容。本讲主要关心的是纯视觉的子地图融合功能。

---

ORB-SLAM子地图简介

　　ORB-SLAM3使用子地图的原因是：当我们在跟踪丢失的情况下，不至于在唯一的一张地图中疯狂重定位。因为重定位的结果只有两个，一个是马上重定位成功，那么这是最理想的情况，我们可以继续进行环境探索；另一种就比较吃亏了，我们一直无法重定位成功，最终的结果就是系统判断当前跟踪状态为跟踪丢失，系统会直接将之前所重建的环境信息全部清除！重新生成一张地图。

　　这意味着什么？这就好比我们辛辛苦苦在word里面写了成千上万字的文档，word一个bug直接把你所有的数据清空了，你还找不回，只能从头写那么头疼！

　　那么解决的策略是啥？ORB-SLAM3就提出用子地图的方案！那么子地图好在哪里？我们还是以word为例：

　　当我们写了成千上万字的word文档被bug卡没以后，这部分的文字会自动存储到某个位置(历史子地图)，新增的文字会写在另一个word文档中(当前子地图)，当缘分来临的时候(回环检测)，这两个word文档就有机会合并到一起(子地图合并)，形成统一的一个word文档！oh man，想想就觉得激动人心。

　　ps：笔者无意针对word文档，只是因为前不久有个同事刚好因为word把文档内容卡没了，所以笔者才以此为例，xxxxxxx。。。

---

 ORB-SLAM子地图算法

　　在介绍子地图功能之前，我们有几个问题需要着重关心一下：

　　1. 子地图功能和ORB-SLAM2中使用的单一地图的方法有什么异同？

　　2. 存在多个子地图的情况下，回环检测怎么做？这个方法与ORB-SLAM2中的回环检测有何区别？

　　3. 两个子地图怎么进行合并？

　　4. 合并的过程中，前端tracking到的新帧要怎么处理，此处必然会存在一个异步问题。

OK，那么我们逐个问题来回答！