简介

介绍

• ORB-SLAM是西班牙Zaragoza大学的Raul Mur-Artal编写的视觉SLAM系统。他的论文“ORB-SLAM: a versatile andaccurate monocular SLAM system"发表在2015年的IEEE Trans. on Robotics上。开源代码包括前期的ORB-SLAM和后期的ORB-SLAM2。第一个版本主要用于单目SLAM，而第二个版本支持单目、双目和RGBD三种接口。

• ORB-SLAM论文

• ORB-SLAM2论文

• 作者博士论文

特点

• ORB-SLAM是一个完整的SLAM系统，包括视觉里程计、跟踪、回环检测。它是一种完全基于稀疏特征点的单目SLAM系统，其核心是使用ORB（Orinted FAST and BRIEF）作为整个视觉SLAM中的核心特征。具体体现在几个方面：

  • 提取和跟踪的特征点使用ORB。ORB特征的提取过程非常快，适合用于实时性强的系统。
  • 回环检测使用词袋模型，其字典是一个大型的ORB字典。
  • 接口丰富，支持单目、双目、RGBD多种传感器输入，编译时ROS可选，使得其应用十分轻便。代价是为了支持各种接 口，代码逻辑稍为复杂。
  • 在PC机以30ms/帧的速度进行实时计算，但在嵌入式平台上表现不佳。

原理

• 它主要有三个线程组成：跟踪、Local Mapping（又称小图）、Loop Closing（又称大图）。

• 22

跟踪

• 跟踪线程相当于一个视觉里程计，流程如下：

  • 首先，对原始图像提取ORB特征并计算描述子。
  • 根据特征描述，在图像间进行特征匹配。
  • 根据匹配特征点估计相机运动。
  • 根据关键帧判别准则，判断当前帧是否为关键帧。
  • 相比于多数视觉SLAM中利用帧间运动大小来取关键帧的做法，ORB_SLAM的关键帧判别准则较为复杂。

安装^[1]

库名	命令
依赖	sudo apt-get update
git	sudo apt-get install git
cmake	sudo apt-get install cmake
Pangolin	sudo apt-get install libglew-dev libpython2.7-dev git clone https://github.com/stevenlovegrove/Pangolin.git cd Pangolin mkdir build && cd build cmake .. && make -j4 && sudo make install
OpenCV	sudo apt-get install build-essential sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev cd opencv && mkdir build && cd build cmake -D CMAKE_BUILD_TYPE=Release –D CMAKE_INSTALL_PREFIX=/usr/local ..&&　make –j8 && sudo make install
Eigen3	sudo apt-get install libeigen3-dev
ORB-SLAM2	git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2 $ cd ORB_SLAM2 && chmod +x build.sh && ./build.sh

• DBoW2是DBow库的改进版本，DBow库是一个开源的C++库，用于索引图像并将其转换为单词表示形式。

• g2o是一个开源的C ++框架，用于优化基于图的非线性误差函数。

• 这两个库在ORB-SLAM2项目的第三方文件夹中

• /usr/include/c++/8/bits/stl_map.h:122:21: error: static assertion failed: std::map must have the same value_type as its allocator

• error: ‘usleep’ was not declared in this scope

• boost问题

数据集^[2]

数据集	介绍
TUM
KITTI
EuRoC

TUM

• 数据格式

• associate.py：用于py2

  • python associate.py rgb.txt depth.txt >associate.txt
  • python associtate.py associate.txt groundtruth.txt>associate_with_groundtruth.txt

样例

• TUM:./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM3.yaml data/rgbd_dataset_freiburg1_desk
• KITTI: ./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER

代码分析^[3]

sylvester的博客

地图

-

python实现

• py2-slam-github

---

1. ORB-SLAM2的安装与运行_W_Tortoise的博客-CSDN博客_orbslam2运行 ↩︎

2. 数据集 ↩︎

3. 双目部分分析 ↩︎