作者:半闲居士
链接:https://www.zhihu.com/question/35116055/answer/85416630
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
链接:https://www.zhihu.com/question/35116055/answer/85416630
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
前一阵出了orbslam2,提供单目,双目和rgbd接口。加之代码也很整洁,确实是很好的工作。
特点是以orb特征贯穿始终,从一开始的特征处理,匹配,以及用于回环的bag-of-words,词典,全用的是orb。下面说说我个人对它的一些看法。
作者从opencv2.4的orb改进了一版,比opencv里的orb多了一个网格处理,尽量保证每小块图像都能提到特征,避免了局部特征点不足的情形。据我个人的测试(Thinkpad T450 i7),在640x480的图像中提取500orb约用时13ms左右,匹配精度可以接受,满足实时性要求。
相比于lsd-slam,orb-slam更像一个系统工程——采用当前各种主流的方式计算slam。它稳重大方,不像lsd那样追求标新立异。orb-slam基于研究了很久的特征点,使用dbow2库进行回环检测,具备重新定位能力,使用g2o作为global和local的优化,乃至pnp也用g2o来算。从效果而言比lsd优化,代码也比lsd整洁,更适合继续开发。虽说如楼上所言不像ptam那么惊艳(比如slam++名字好听效果好看但是不开源啊),我们做研究毕竟还是效果至上。
个人觉得,orb-slam的动机还是单目slam,用来做双目或rgbd有些不足。至少orb的建图部分只含有稀疏的map point,不管用于机器人还是AR/VR,这无论如何是不够的。如果给它加上一个较好的地图模块,相信会更加受欢迎。
附上我自己的orb-slam2在手持kinect2上的视频,仅供参考:
http://pan.baidu.com/s/1eRcyW1s
<img data-rawheight="471" data-rawwidth="834" src="https://i-blog.csdnimg.cn/blog_migrate/4ccc350ddb06d165680c7974343244d5.png" class="origin_image zh-lightbox-thumb" width="834" data-original="https://pic3.zhimg.com/a59b329910d3551358055acf7dc0f96e_r.png">
------------- 2016.2.25 -----------------
优点:回环检测做的很好,基本上只要见过的场景都能找回来。接口丰富,代码清楚。
缺点:
* kinect2 qhd分辨率下(960x540),默认参数,thinkpad T450,帧率<=10Hz;
* 运行前要读取一个几百兆的字典——调试程序的时候比较考验耐心;
* 比较容易lost,虽然也容易找回来;
* 尼玛为什么不支持地图保存和读取!
&lt;img data-rawheight="211" data-rawwidth="719" src="https://i-blog.csdnimg.cn/blog_migrate/34ffa94e0e4bc523b6805905a638c269.png" class="origin_image zh-lightbox-thumb" width="719" data-original="https://pic3.zhimg.com/4181f7f2953cec31fdeb79e015e992ce_r.png"&gt;这个TODO是让我去做吗! 这个TODO是让我去做吗!
------------ 2016.3 ------------------
在kinect部分加了个稠密地图,效果看上去还可以,给做rgbd的同学作个参考:
加上地图显示就真的只有10Hz了……
这个是自己撸了个点云地图模块上去的orbslam2:
http://pan.baidu.com/s/1hrbW840
还有一个是改了改速度但是精度比较糙的orbslam2:
作者:黄耀
链接:https://www.zhihu.com/question/35116055/answer/63278381
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
特点是以orb特征贯穿始终,从一开始的特征处理,匹配,以及用于回环的bag-of-words,词典,全用的是orb。下面说说我个人对它的一些看法。
作者从opencv2.4的orb改进了一版,比opencv里的orb多了一个网格处理,尽量保证每小块图像都能提到特征,避免了局部特征点不足的情形。据我个人的测试(Thinkpad T450 i7),在640x480的图像中提取500orb约用时13ms左右,匹配精度可以接受,满足实时性要求。
相比于lsd-slam,orb-slam更像一个系统工程——采用当前各种主流的方式计算slam。它稳重大方,不像lsd那样追求标新立异。orb-slam基于研究了很久的特征点,使用dbow2库进行回环检测,具备重新定位能力,使用g2o作为global和local的优化,乃至pnp也用g2o来算。从效果而言比lsd优化,代码也比lsd整洁,更适合继续开发。虽说如楼上所言不像ptam那么惊艳(比如slam++名字好听效果好看但是不开源啊),我们做研究毕竟还是效果至上。
个人觉得,orb-slam的动机还是单目slam,用来做双目或rgbd有些不足。至少orb的建图部分只含有稀疏的map point,不管用于机器人还是AR/VR,这无论如何是不够的。如果给它加上一个较好的地图模块,相信会更加受欢迎。
附上我自己的orb-slam2在手持kinect2上的视频,仅供参考:
http://pan.baidu.com/s/1eRcyW1s
&lt;img data-rawheight="471" data-rawwidth="834" src="https://i-blog.csdnimg.cn/blog_migrate/4ccc350ddb06d165680c7974343244d5.png" class="origin_image zh-lightbox-thumb" width="834" data-original="https://pic3.zhimg.com/a59b329910d3551358055acf7dc0f96e_r.png"&gt;
------------- 2016.2.25 -----------------
优点:回环检测做的很好,基本上只要见过的场景都能找回来。接口丰富,代码清楚。
缺点:
* kinect2 qhd分辨率下(960x540),默认参数,thinkpad T450,帧率<=10Hz;
* 运行前要读取一个几百兆的字典——调试程序的时候比较考验耐心;
* 比较容易lost,虽然也容易找回来;
* 尼玛为什么不支持地图保存和读取!
&lt;img data-rawheight="211" data-rawwidth="719" src="https://i-blog.csdnimg.cn/blog_migrate/34ffa94e0e4bc523b6805905a638c269.png" class="origin_image zh-lightbox-thumb" width="719" data-original="https://pic3.zhimg.com/4181f7f2953cec31fdeb79e015e992ce_r.png"&gt;这个TODO是让我去做吗! 这个TODO是让我去做吗!
------------ 2016.3 ------------------
在kinect部分加了个稠密地图,效果看上去还可以,给做rgbd的同学作个参考:
加上地图显示就真的只有10Hz了……
这个是自己撸了个点云地图模块上去的orbslam2:
http://pan.baidu.com/s/1hrbW840
还有一个是改了改速度但是精度比较糙的orbslam2:
http://pan.baidu.com/s/1skdGeIT
个人觉得客观地讲, orb-slam虽然效果看起来目前最好(我没有在自己数据集上复现),但其文章创新新并不是很大,不如PTAM,整体上感觉是基于PTAM的改进版本。(感觉就是拼出来的)
将特征改为ORB,特征提取匹配的计算量减少。增加闭环检测模块,并将其嵌入tracking模块。
orb-slam 是目前基于特征的单目slam系统中效果最好的(the state of art),
与之对应的LSD-SLAM是direct-slam中最好的,且不提取图片特征,直接基于pixels;
orb-slam论文中,作者一再强调orb-slam比lsd效果好....
整体上,orb-slam是一个很赞的单目slam系统,very impressive!
将特征改为ORB,特征提取匹配的计算量减少。增加闭环检测模块,并将其嵌入tracking模块。
orb-slam 是目前基于特征的单目slam系统中效果最好的(the state of art),
与之对应的LSD-SLAM是direct-slam中最好的,且不提取图片特征,直接基于pixels;
orb-slam论文中,作者一再强调orb-slam比lsd效果好....
整体上,orb-slam是一个很赞的单目slam系统,very impressive!
作者:黄耀
链接:https://www.zhihu.com/question/35116055/answer/63278381
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
原文: https://www.zhihu.com/question/35116055