orb-slam2阅读

摘要

本文提出了一个即时定位与建图系统，该系统支持单目，双目，RGB-D输入，作者将其命名为ORB-SLAM2。该系统可以再常规CPU上进行实时运行，不论是手持设备采集的室内场景，还是无人机俯拍亦或是车辆驾驶场景。本文基于集线约束设计的后端处理可以估计精确的包含尺度的轨迹。作者在29个常用的视频序列上进行了实验，都取得了SOTA的效果。

引言

作者提出slam是近几年的研究热点，且由于相机造价较低所以视觉slam是主要的slam解决方案。本文主要提出了双目和RGB-D输出进行视觉slam，来解决单目slam存在的问题。贡献如下：

1. 提出ORB-SLAM2
2. RGB-D结果显示本文达到了SOTA
3. stereo也是SOTA
4. 一个轻量化的定位模式，可以有效进行地图重用。

相关工作

略

方法评估

主要在三个常用数据集上进行了测试，实验平台为Intel Core i7-4790,16GBRAM，由于多线程的不确定性，实验将每个序列运行了五次，取中值来估计轨迹。

A KITTI数据集

车载摄像头拍摄，市区和高速场景，54cm双目摄像机基线10Hz频率，分辨率1240 $\times$ 376。序列00，02，05，06，
07,09包含闭环。ORB-SLAM检测了所有的闭环，但是09序列没有成功，因为其闭环发生在末尾的极少数帧中。

使用了两个评价指标，RMSE和$t_{rel},r_{rel}$

B. EuRoC Dataset

包含11个搭载在小型无人机的摄像机采集的双目序列，双目摄像机基线11cm。序列根据无人机的速度，光照和场景纹理等信息被分为简单中等困难三个等级。

C. TUM RGB-D Dataset

室内采集的RGB-D序列，根据不同纹理光照结构条件进行分组。