RTAB-Map学习和测试详解

RTAB-Map 详解

我的所有博客都偏项目研究或者实际代码测试使用，算法原理暂时不在这里讨论。

一. 总体阐述

• 1. 基于图优化的SLAM方法 – rtabmap_ros

• 2. odometry是一个额外的输入模块

  意味着里程计可以使用任意形式和任意类型的数据，与rtabmap想链接。

• 3. 在传感器同步之后，STM模块将会创建一个节点记忆视觉里程计位姿

  STM：（ Short-Term Memory ，短期记忆模块）传感器的原始数据和额外有用的信息将会为其他模块提供服务， 比如回环和全局地图。

• 4. 内存管理模块：WM(Working Memory)+LTM( Long-Term Memory)

  WM：工作内存
  LTM: 长期或静态内存
  当一个节点被放置到LTM时，它在WM中将不再可用。
  “Rtabmap/TimeThr” – rtabmap更新时间超过这个限值时，WM中一些节点将会放置到LTM中以减小更新时间。
  “Rtabmap/MemoryThr” – WM能够支持最大数量节点限值。

而要确定要传输到LTM的节点，加权机制会识别比其他节点更重要的位置，使用启发式方法，例如观察到的位置时间越长，它就越重要，因此应该留在WM中。

• 5. 回环检测

  当在ＷＭ中检测到回环时，它会从LTM中提取邻近节点的数据，以检测更多的闭环。

二、核心功能（节选）和核心参数

• 1. 视觉里程计

	F2M: Frame-To-Map	//将帧与过去的局部地图进行匹配
	F2F: Frame-To-Frame  //将帧与上一帧进行匹配

• 2. 循环回环检测

  词袋模型： STM从图像中提取视觉特征（STFT, SURF, ORB 等）， 然后将其量化成"视觉词典"，

---

	"核心参数"
	Kp/MaxFeatures： 特征点的数量
	Mem/STMSize：STM内存的尺寸
	Rtabmap/LoopThr： 
		a loop closure hypothesis reaches the fixed threshold， 
		a loop closure is detected and transformation is computed.
			
	RGBD/ProximityMaxGraphDepth: 
	/*	如果里程计漂移比较大，这个值应该较小，如果里程计漂移不大或者map地图更新速率较高，这个值应该设置较大。 */

• 3. 后端优化 – 图优化

		TORO：
		g2o：
		GTSAM(未安装)：

---

RGBD/OptimizeMaxError: 误差限制，若为0则可能将相似的地方进行了错误闭环，可适当调大该数值。

• 4. 全局地图调整

	octomap: Depth change into 14 for test ！！ ## 测试之后发现其太过稀疏

附：RTAB-Map 中文解析