工作问题汇报

2021.12-2022.01

1. 测量点线视觉里程计的精度的时候发现单目相机存在尺度不确定性问题，因此纯视觉下的单目视觉里程计没法使用常规的方法在常见单位m，cm，mm等，来简单测量精度。

附上：SLAM14讲关于尺度不确定的论述

问题的解决方法：ORB-SLAM通过提取图像中的ORB特征来跟踪对象,并使用闭环检测来全局优化地图和姿态,这通常是快速和稳定的.然而它不能精确地恢复真实的比例因子,因为绝对深度比例对于相机是未知的.!
为了解决单目相机不能恢复真实世界尺度的问题,Mur等人提出了ORB-SLAM的改进,称为ORB-SLAM2.增加了双目相机和RGBD相机对深度估计的支持.然而这两种相机都有缺点,特别是在估计具有长深度的室外物体时.双目相机需要长基线来进行精确的长深度估计,这在现实世界中通常是有限的.此外两个相机之间的校准容易受到机械变化的影响,并将对长期深度估计精度产生不利影响.RGBD相机通常容易受到通常小于10米的有限范围内的太阳光的影响.融合相机和IMU是另一种常见的解决方案,因为相机可以部分校正IMU积分漂移,校准IMU偏差.而IMU可以克服单目系统的尺度模糊.Campos等人通过融合摄像机和IMu测量扩展了ORB-SLAM2,并提出了ORB-SLAM3.然而消费级IMU只能在相对较低的精度下工作,并且会受到偏置、噪声和漂移的影响,而高端IMU的成本非常高.

原文链接：https://blog.csdn.net/weixin_26777941/article/details/113080623
—————————------------------------------------------
2. 在RGBD相机中加入线特征后出现了俩个问题：里程计延时和线特征效果变差。
3. 大致就那么测量了一下PL_RGBD（基于ORB——SLAM2的加入线特征的深度相机模式），有一个玄学参数（主要是和真实世界的单位“米”比例是5）瞅着挺像我想要的数据，大概这么输出，还有那么点意思，75m的长走廊测了三次都是65-68m，所以误差精度大概在10%，日后找找这个比例是偶然还是有内在联系的。