ORB-SLAM2和ORB-SLAM的区别

  对于ORB-SLAM2整体还是使用基于ORB-SLAM的结构，但对部分细节做了改进，适用面更广。下图是ORB-SLAM2的系统结构图，可以看到和ORB-SLAM的相差不大(区别在于tracking中多了预处理模块，以及最后有一个全局BA,其余流程没变)：

  关于和ORB-SLAM相同的部分就不再赘述，详细的可以参考：ORB-SLAM介绍(无源码版本)本文主要介绍一下ORB-SLAM2和ORB-SLAM相比的区别：

  1.ORB-SALM完全基于ROS平台，而ORB-SLAM2提供了ROS的接口，也可以不用ROS
  2.ORB-SLAM2显示模块改用pangolin(配环境时要配对应的环境)
  3.ORB-SLAM2比ORB-SLAM1多支持双目和RGB-D
  4.ORB-SLAM可能有尺度漂移、执行纯旋转时会失败，ORB-SLAM2支持的双目或RGB-D将会解决以上问题
  5.增加全局BA，提高建图精度(发生在回环检测之后，单起一个线程)
  6.比ORB-SLAM去除了初始化的部分，增加预处理部分(因为可以直接获取深度信息了)主要是面对双目和RBG-D，将两份特征合并为一份来提供更多信息，提高精度。
  7.双目或者深度的信息使得尺度信息可观测。几何校验和位姿图优化将不再需要处理尺度漂移，尺度信息是基于刚体变换的，而不是基于相似性，更准确
  8.ORB-SLAM2增加一个定位模式，该模式适用于轻量级以及在地图已知情况下长期运行，只要那个环境没有发生剧烈变化。在该模式中，局部建图和回环检测的线程中是停用的，并且这个相机始终都是在通过追踪进行重定位。在这个模式下，追踪模块使用视觉里程计进行匹配图像的点云。视觉里程计匹配在当前帧的ORB算子和由双目或者深度相机收集的3D点云。这些匹配使得在没有地图的区域也能够精确重新定位，但是漂移将会被累加。地图点云匹配要确保在一个已经存在的地图当中零漂移定位

补充说明：

1.预处理的作用

  由上图的预处理过程图可知，双目/RGB-D提取最终都会转化为单目或者stereo进行处理
  2. 远/近双目特征点：看匹配的深度值大于还是小于40被双目或者RGB-D的基线。小于就是近，大于就是远。近的特征点能够从一帧的深度值能够三角测量化，是精确的估计，并且能够提供尺度，平移和旋转的信息。另外一方面，远的特征点，能够提供精确的旋转信息，但是很少的尺度和平移信息。当提供多视图的时候，我们才能三角化那些远的点。

参考资料：
ORB-SLAM2原文翻译：【泡泡机器人翻译专栏】ORB-SLAM2:一种开源的VSLAM方案

因作者水平有限，如有错误之处，请在下方评论区指正，谢谢！