大规模视觉定位地图关键技术：基于ORB-SLAM的纯视觉定位算法

问题：

纯视觉，使用特征点描述符，尽可能多的利用各种信息的前提下，什么样的定位算法最好？

需求：

• 要有高效的全局匹配能力。
• 需要用里程计来弥补地图匹配不好的区域。
• 要有全局地图可以提高里程计的精度。
• 里程计和全局的结果要能平滑的融合。

结论：

• 尝试了很多方案后，觉得使用给予ORB-SLAM修改的版本笔记哦好。
• 修改内容：
  • 把ORB-SLAM的LoopDetect用Maplab里面基于KD-TREE的全局匹配替换。因为DBOW的方式比较适合场景变换较小的情况，毕竟Loop是指在一次采集中路过相同的地方。但是定位的时间跨度要大得多。
  • BA中仍然需要优化地图的点的位置，但是这个位置不用更新回去。也就是地图中的点的位置永远不变。这样做是因为如果地图的点不被优化的话，他们的重投影误差会比里程计建的点大。就容易被排除掉。
  • 检测LocalMap中地图的点和里程计建出来的点的比例，如果地图的点小于某个值的时候，触发重定位。重定位目只是找到更多的地图的匹配，重定位得到位置不会用于更新定位结果。重定位的印象会通过后面的BA平滑的影响结果。
  • 地图的3d点通过ORB-SLAM的LoopClosure方式加入到LocalMap中。
  • 地图加载功能，用其他方法得到的地图来填充ORB-SLAM的地图结构。