ROBOTICS2015 ORB-SLAM: a Versatile and Accurate Monocular SLAM System

提出的ORBSLAM系统对于严苛运动条件较鲁棒，允许宽基线的回环检测和重定位，并且包含全自动的初始化步骤，所有系统任务（跟踪、建图、重定位与回环检测）均基于相同的特征ORB。地图重建过程中甄选特征点与关键帧的策略，使系统构建出的地图紧凑而不失可追踪特性，且是递进增量式的，这使得系统满足终身建图特性。

ORBSLAM的核心继承于PTAM，场景识别来自于[5]，回环检测来自于[6]，大尺度下共视信息思想来自于[7][8]，有如下贡献：

1.所有系统任务（跟踪、建图、重定位、回环检测）使用同一种特征ORB，ORB无需GPU即可实时并具有很好的视角不变性和光照鲁棒性

2.系统实时大尺度环境工作得益于共视图的引入，它使跟踪和建图步骤可以聚焦在局部可视范围而不是全局地图内

3.系统实时回环检测得益于Essential Graph本质图（共视图的稀疏子图）的优化，它由系统维持的最小生成树、回环连接关系以及共视图中的强连接边构成（边的权重由两关键帧间共视的地图点数量决定）

4.系统满足实时重定位（满足大视角不变性和光照鲁棒性），它使系统在跟踪失败的情况下能快速恢复并且加强地图的重用效果

5.新颖自动且鲁棒的初始化步骤，它基于多个模型的选择，同时满足平面和非平面场景

6.地图点和关键帧的宽进严出使系统跟踪鲁棒，关键帧冗余性的剔除使其可终身工作

系统回环检测使用的是本质图Essential Graph，它是共视图Convisibly Graph的稀疏子图，共视图本质上是稠密的。本质图包含一个最小生成树，共视图中权重Θ>100的边和回环连接边。文中VIII
4000
-E做了实验验证了对本质图进行姿态优化已经足够准确，额外的完全BA优化对系统提升不大。

由于前后关键帧间存在重叠部分，因此当搜寻数据库时返回最高分相似帧并不合理；原版的DBoW2中也考虑了重叠的问题，它将这些帧的得分都累加起来，最后还是返回一个最高分相似的关键帧；但是这会存在如下局限：即当在不同的时间插入同一场景的关键帧时（仅返回一个最相似关键帧可能会导致回环的丢失或者错配？）；本文做了相应的改进，返回大于75%最高得分的所有帧。

杂项

在不限制计算资源的条件下，一个实时准确的SLAM系统需要在如下情况使用BA：

1.优化关键帧子集中特征点间的观测关系

2.减少冗余和复杂度的关键帧甄选机制

3.维持关键帧和特征点间的强关联网络关系（即存在较大视差和充足的回环匹配）

4.关键帧和特征点的初始估计中的非线性优化

5.可拓展局部地图的优化

6.回环检测中姿态图实时快速全局优化

PTAM的局限性：缺少回环检测；缺少遮蔽环境下的处理；重定位视角的低不变性；系统初始化需要人为干预。

DBoW由FAST + BRIEF构成，但是BRIEF对旋转和尺度都不具有旋转不变性；文献[11]中针对上述缺点采用ORB特征对DBoW进行了改进，并且根据共视关系返回多个相似图像而不是最佳匹配图像，该改进方法在1W张图像中识别仅需39ms（包括了特征提取的时间）。

深度估计（初始化）

通过跟踪已知的结构，基于滤波方法：通过对点深度的高不确定性进行逆深度参数化，并期望它们最终收敛致真实位置；LSD-SLAM同样将点的深度初始化于一个方差较大的随机的初始值。

通过两视图几何方法：

1）假定局部平面场景一致，相机的姿态可以通过计算单应性矩阵[23]求出

2）可用平面模型表示的一般场景，相机的姿态可通过五点法[26]计算本质矩阵[24，25]求出

上述方法在低视差的情况下，所有平面场景点距相机中心较近，因此平面场景的假设限制将不满足，求解将出现歧义性

3）非平面的场景可通过八点法[8]计算基本矩阵求出，且不具有歧义性

单目SLAM对比

基于滤波器：需要处理连续帧（即使新帧中含有少量的信息）；累积的线性化误差

基于关键帧：需要使用精准但计算量较大的BA，但满足建图非实时特性的需要

[31]中Strasdat对比了在同样计算量下，基于关键帧方法的结果准确度要优于滤波器方法

相关工作

[34]利用相机到地面距离的先验信息来限制单目的尺度漂移；

[25]使用了同样的特征一致思路（感觉作者有点指责他们抄袭的意思），但选择BRIEF限制了系统只能在平面运动，仅跟踪最后一关键帧，不存在共视及地图重用，因此退化为VO并存在无限增长的问题；

[10]LSD-SLAM使用直接法可构建大尺度半稠密地图，无GPU加速情况下可以达到实时，但回环检测部分仍需要特征支持，并且定位精度比ORBSLAM和PTAM都要差；

[22]SVO的演示视频在四旋翼上的效果十分惊艳，但它没有回环检测部分并且目前的实现版本只针对俯视的摄像头，SVO的这个issue里 https://github.com/uzh-rpg/rpg_svo/issues/105 Forster对为什么要用俯视作了解释；

基本上所有的文献都认为将所有特征点和关键帧进行BA优化是不可行的；[31]Strasdat指出最可行的方法是尽可能多地保留点并且只保存非冗余的关键帧；PTAM对关键帧的插入十分谨慎，因此它在复杂环境下拓展容易失败；本文最合适的策略是先尽可能快的插入关键帧满足跟踪要求，再将冗余的关键帧去掉以防后续BA优化浪费过多时间，即宽进严出策略。