ORBSLAM-Atlas：多地圖SLAM

• 這篇博客
• ORBSLAM-Altas
• • 這個系統(tǒng)
  • 系統(tǒng)方法
  • • 兩類子地圖
    • 新地圖的構建
    • • 相機位姿的可觀測性
    • 子地圖融合
  • 系統(tǒng)線程
• 結尾

這篇博客

?最近ORB-SLAM3橫空出世，馬上跑去GitHub膜拜。然后在項目的相關工作中看到了ORB-SLAM3使用了一個多地圖方法。這個方法對應的論文介紹的就是ORBSLAM-Atlas系統(tǒng)的。為了之后更好地理解ORB-SLAM3和代碼，抓緊跑去把這個多地圖的論文給看一遍，再默默地記下筆記。
【轉載聲明】本篇文字均為原創(chuàng)，如轉載請注明出處

ORBSLAM-Altas

這個系統(tǒng)

?系統(tǒng)摘要：
?ORBSLAM-Atlas系統(tǒng)是ORB-SLAM向多地圖領域的一個擴展研究，它在機器跟蹤丟失時不會直接停止地圖更新（ORB-SLAM會停止更新地圖，然后等著機器回來以后進行重定位），而是馬上重新構建一個新的子地圖，之前的地圖先保存起來。
?如果當前在使用的地圖與之前的保存的地圖存在閉環(huán)，則將兩個地圖進行融合。之后使用融合后的地圖繼續(xù)進行跟蹤操作。

系統(tǒng)方法

?圖1是ORBSLAM-Atlas系統(tǒng)的結構框圖。

?可以看出，系統(tǒng)框圖和ORB-SLAM的框圖十分相似。區(qū)別明顯的地方有有：
1、系統(tǒng)中有兩類子地圖：Active map和Non-active map；
2、跟蹤線程要判斷是否需要構建新的地圖以供跟蹤；
3、檢測的閉環(huán)可以是在同一個子地圖中，也可以在不同子地圖中。
?下面就針對上述內容進行介紹。

兩類子地圖

?ORBSLAM-Atlas系統(tǒng)會保留兩類子地圖：Active map和Non-active map。其中Active map是當前跟蹤線程所使用的地圖（Active Map >=Local Map），Non-active則是之前跟蹤丟失后保留下來的所有地圖。如果Active map與Non-active map存在閉環(huán)，那么就會將兩個存在閉環(huán)的地圖融合起來，然后系統(tǒng)使用融合后的地圖作為新的Active map使用。
?每個子地圖都是獨立的，它們的第一參考幀也都是獨立的。系統(tǒng)使用一個能夠適應于所有子地圖的DBoW2詞袋來描述每一個子地圖，以便完成地圖融合操作。

?這種做法的好處有：
1、在跟蹤丟失后系統(tǒng)通過創(chuàng)建新的地圖來繼續(xù)工作；
2、構建多個子地圖可以降低誤差的累積；
3、所有子地圖融合后獲得完整地圖。這個融合后的地圖相比于ORB-SLAM構建的一整個地圖，在精度方面會有所提高（有部分原因是剔除了一些精度較低或是跟蹤丟失的軌跡）。

新地圖的構建

?ORBSLAM-Atlas系統(tǒng)的跟蹤線程需要判斷是否跟蹤丟失，再決定是否構建新的地圖。新地圖構建和初始化的過程相同，最重要的是何時構建新地圖。論文闡述了兩個條件來判斷跟蹤是否丟失：

1、當前幀跟蹤到的地圖點數目：設$N$為當前幀跟蹤到的局部地圖中的地圖點數量。如果$N$大于給定閾值，則認為跟蹤良好，否則跟蹤丟失。
2、相機位姿的可觀測性：如果$N$中的地圖點的幾何條件較差，則認為當前幀的位姿估計值精度較低，認為跟蹤丟失。

?第一條很好理解，第二條則是論文提出的一種新的判斷丟失的標準（更加嚴格）。第二條可以通過下圖來理解：

?從圖中可以看到，當前幀跟蹤到的地圖點數量$N$很多，肯定能滿足第一條標準。但是跟蹤到的點大多距離相機很遠（遠在天邊~）。太遠的地圖點會降低在平移運動上的估計值的精度（如：走一兩步幾乎不會影響遠點在當前圖像上的成像）。所以最后的估計的位姿精度較差，如果保留這些較差的估計值，那么就會直接影響到之后圖優(yōu)化的精度。
?所以系統(tǒng)將這些較差的位姿剔除，從這時開始構建一個新的子地圖。這樣就將那些誤差較大的軌跡排除在外了。下圖就是這種作法的一個例子。

?圖中的P1是一部分精度較差的位姿估計值，P2、P3則是一個閉環(huán)。圖b因為保留了P1，以至于影響到了最后閉環(huán)優(yōu)化的精度。而下面的圖則直接剔除了P1部分，保證了最終軌跡的一個估計精度。論文也給了“相機位姿可觀測性”的具體判斷公式：

相機位姿的可觀測性

?通過相機位姿的誤差協(xié)方差來估計其位姿的觀測性。首先假設 Active map 中的地圖點都是精確的，然后用${\Omega }_{i,j}$表示地圖點觀測$x_{i,j}$的不確定性，其中$x_{i,j}$表示的是地圖點 $j$ 在第 $i$ 個相機上的觀測值。
?定義${\hat{T}}_{i,w}?SE(3)$是當前相機的位姿估計值，用${\epsilon }_i$表示估計值的不確定性（${\epsilon }_i$是六維向量且服從均值為0的高斯分布）。然后有以下式子：

其中$C_i$表示估計位姿的精度，$J_{i,j}$是第 i 個相機的位姿估計值關于第 j 個地圖點的雅可比矩陣。然后通過 公式 (1) 就能判斷相機的可觀測性了：

子地圖融合

?如果在兩個地圖之間檢測到了閉環(huán)，那么就要進行地圖融合。然后用融合后的地圖替換掉那兩個地圖。下面介紹具體的融合方法，以及融合后的優(yōu)化操作。以下用 $a，s，m$ 下標分別標記：Active map，Non-active map和融合后地圖(用 $a地圖$表示Active map，$s地圖$表示Non-active map，$m地圖$表示融合后的地圖)。

?1、檢測到Active 和Non-active 兩地圖間的閉環(huán)，產生兩個匹配的$KFs：Ka，Ks$，以及兩個地圖間匹配的地圖點集合$Ma，Ms$。
?2、估計兩個地圖之間的對齊變換矩陣。對齊變換矩陣（在雙目情況下屬于$SE3$，單目則是$Sim3$）用來完成 $s地圖$中地圖和關鍵幀到 $a地圖$坐標系的轉換。具體分為兩步：
??1）通過$Ma$和$Ms$這些匹配的地圖點來進行初始估計，并用 RANSAC 算法提高估計值精度。
??2）再根據 $Ma$在 $Ks$ 上的匹配點，構建重投影誤差。最后由非線性優(yōu)化來優(yōu)化重投影誤
??差，以獲得最終的位姿估計值。
?3、融合子地圖：完成地圖對齊后，將兩個地圖中重疊的地圖點進行融合、更新，獲得精度更高的地圖點。兩個子地圖的可視圖也保留在融合后的$m地圖$中。
?4、在子地圖的閉環(huán)部分進行局部 BA 優(yōu)化。在融合后的$m地圖$中，找到$Ka$和$Ks$。根據$a地圖$原有的可視圖，確定$a地圖$中哪些$KFs$是固定的（不再 Local Map 中）。這些固定的$KFs$在$m地圖$中仍然固定。然后對$m地圖$中剩余的$KFs$進行 BA 優(yōu)化。
?5、對 $m地圖$ 進行完整的位姿圖優(yōu)化。

?如果是在Active map中檢測到閉環(huán)，那么就和ORB-SLAM中的操作一樣，只對Active map進行閉環(huán)操作。

系統(tǒng)線程

?論文還提到了各線程之間的一些關系。地圖融合會在一個單獨的線程中進行。在融合開始前，會將Local Mapping線程暫停，以防止新的$KF$產生。在地圖融合的過程中，跟蹤線程會繼續(xù)使用 Active map 來達到實時工作的目的。當融合結束后，跟蹤線程會將融合后的地圖作為新的 Active map 來使用。

結尾

?至此，這篇博客的主要內容就結束了。ORBSLAM-Atlas系統(tǒng)主要提供一種多地圖SLAM的思路。它能夠提高系統(tǒng)的魯棒性和精度。但看完論文后我產生了一下幾個疑問：
1、這個系統(tǒng)會剔除掉那些由第二條丟失判斷標準找出的$KFs$。這會使最后的地圖出現(xiàn)一個缺口，降低地圖的完整性。
2、如果有些子地圖沒有機會進行融合，那最后該怎么處理？是否會被直接拋棄？
?先把這些問題記在小本本上，等學的更加深入后，也許就會有解決疑問的靈感了。

總結

以上是生活随笔為你收集整理的ORBSLAM-Altas：多地图SLAM的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。