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。