ORB-SLAM3(二)

ORB-SLAM3(二)

一、介绍

近年来,关于“视觉定位以及建图”的发展大多数都是围绕VSLAM或者单纯的VO,而传感器也是单纯摄像机或与IMU惯导耦合。

SLAM系统与VO系统的边界也越来越小,VSLAM系统的目标是使用移动设备构建地图并定位自身位姿,而VO系统重点在定位自身位姿

ORBSLAM系统采用基于特征的SLAM,而极大后验概率(MAP)估计应用于利用几何BA(光束平差法)最小化特征重投影误差中。同时我们也可以将历史数据一起加入约束中一起计算BA,在这里作者对历史数据做了三类划分:

(一)Short-term data association,(短期数据关联)

指在某一时刻前几秒钟获得的匹配地图元素。这是大多数VO系统使用的唯一数据关联类型,一旦这些元素离开视线就会丢掉,从而导致系统即使在同一区域移动也会产生持续的估计漂移;

(二)Mid-term data association(中期数据关联)

指匹配靠近相机且累积漂移仍然很小的地图元素。与短期的观测相比,它可以在BA中进行匹配和使用,并且当系统在地图中移动时,可以达到零漂移。这是SLAM比采用回环检测的VO系统精确的关键所在。

(三)Long-term data association(长期数据关联)

忽略累积漂移和跟踪丢失,使用place recognition(位置识别)技术将观测与先前访问过的区域中元素进行匹配。长期数据关联允许将累积误差置零并通过位姿图优化(pose-graph)优化或者使用BA校正回环。这时VSLAM面对具有回环的大场景,可以提升精度的关键。

ORB-SLAM3在前两代ORB-SLAM以及ORB-SLAM-VI的基础上,同时利用这三种数据关联,并且还加入了多地图数据关联(允许之前非活动子地图的信息用于匹配以及BA),构建一个零漂移、可以复用的精确定位的地图。

ORB-SLAM3贡献规整如下:

(一) A monocular and stereo visual-inertial SLAM system(完全依赖MAP(极大后验概率)估计的单目、双目惯性SLAM系统):

在IMU初始化阶段也用到MAP估计(这一部分可以阅读参考文献【1】),本文将此集成ORB-SLAM-VI,并扩展至双目。

(二)High-recall place recognition(高召回率的位置识别):

很多VSLAM和VO系统的回环检测部分都使用DBoW2词袋来解决位置识别问题。DBoW2将三个连续的关键帧匹配到同一区域,以保持几何一致性,这样提高精度的代价是降低运行速度。本文提出新的位置识别算法,现在当前候选关键帧进行几何一致性检测,然后检测候选关键帧与三个共视关键帧的局部一致性,以计算成本为代价换来高召回率。

(三) ORB-SLAM Atlas(ORB-SLAM地图集)

该贡献对应ORB-SLAM3的多地图SLAM特性,ORB-SLAM地图集中存有一系列非活动的地图,并且这些地图可以进行位置识别、相机重定位、回环检测以及精准的无缝地图拼接。这里可以阅读参考文献【2】(作者19年完成的纯视觉的SLAM地图集成果)。本文在此基础上添加了新的位置识别、可视化多地图系统以及对公共数据集的评估结果。

(四)An abstract camera representation(抽象的相机表示)

本系统提供了两种通用相机模型:针孔相机、鱼眼相机模型,使得SLAM代码与相机模型无关。

二、相关工作

作者从VSLAM、VI-SLAM以及Multi-Map SLAM三个范围进行比较论述,在公共数据集上进行结果对比。结果如下:

对比结果

参考文献:

【1】 C. Campos, J. M. M. Montiel, and J. D. Tardós, “Inertial-only optimiza-
tion for visual-inertial initialization,” in IEEE International Conference
on Robotics and Automation (ICRA), 2020.

【2】R. Elvira, J. D. Tardós, and J. M. M. Montiel, “ORBSLAM-atlas:
a robust and accurate multi-map system,” in IEEE/RSJ International
Conference on Intelligent Robots and Systems (IROS), 2019.

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值