S-PTAM:Stereo Parallel Tracking and Mapping论文笔记

S-PTAM:Stereo Parallel Tracking and Mapping论文笔记

abstract
本文提出一种实时的基于特征的SLAM系统，采用多线程并行的策略：tracking来估计相机位姿，mapping来更新关键帧地图。双目来进行初始化避免了单目初始化的难点。本文基于ros系统。

introduction
相机的优点、单目与惯导相结合、基于特征的方法各种特征的对比、回环检测与修正、多线程并行。

整体框架与ORBSLAM2相同。
采用的是GFTT+BRISK来进行特征提取与描述子计算。
位姿估计是李群、重投影以及雅克比矩阵计算等，当然由于是双目，左右目的相对关系也应该考虑进来。
关键帧选取是低于90%重叠度，其他方法可能是提取了关键帧后再进行地图点的计算，而本方法是每一帧都计算地图点，然后在筛选关键帧。
局部优化采用BA，与ORB类似。
回环检测利用词袋模型，计算关键帧库内的帧与当前帧的相似度得分s，根据ransac法来检查几何一致性，进而确定回环帧。回环修正是根据关键帧与回环帧的距离来修正，近的修正的多，远的修正的少。

experiment

误差衡量：平移和旋转的误差衡量，.*代表真值



几种特征对比
特征点：GFTT FAST AGAST STAR
描述子：BRIEF BRISK LATCH
还有ORB。
以上特征点和描述子两两组合共12种，另加ORB共13种，对其进行对比实验。从耗时与精度两方面来衡量，结果表明GFTT/BRISK和ORB不相上下，但是在特征点数量很多时，后者定位结果变差。

回环
测试了KITTI dataset和indoor level 7 S-block dataset。

不同的slam系统对比
ORBSLAM2 SPTAM SLSD三种方案在KITTI上的结果：

ORB平移较好，SPTAM旋转较好，SLSD都不太行。在indoor level 7 S-block 中，ORB和SPTAM不相上下。

future work
与惯导结合。