视觉SLAM的方案总括

MoNoSLAM:https://github.com/hanmekim/SceneLib2

以伸张Carl曼滤波为后端,追踪前端十分稀疏的特征点,以相机的脚下情景和所有路标点为状态量,更新其均值和协方差。

可取:在二〇〇七年,随着电脑品质的升级换代,以及该系统用稀疏的主意处理图像,使得该方案使得SLAM系统能够在线运行。(此前的SLAM系统是骨干无法在线运行的,只好靠机器人指导相机采集的多少,再离线进行定点和建图。)

症结:MoNoSLAM存在利用场景窄,路标数量有限,全面特征点极度简单丢失等缺点,现在早就告一段落了对其开发。

PTAM( Parallel Tracking And Mapping
)
http://www.robots.ox.ac.uk/~gk/PTAM

       主要原理是:
从雕塑图像上捕捉特征点,然后检测出平面,在检测出的平面上建立虚拟的3D坐标,然后合成雕塑图像和CG。其中,独特之处在于,立体平面的检测和图像的合成选用并行处理。

可取:提议并促成了跟踪与建图过程的并行化,将左右端分离,使用非线性优化方案,既可以实时的固定与建图,也得以在编造平面上叠加物体。

缺陷:场景小,跟踪简单遗失。

ORB-SLAM(继承并创新PTAM)http://webdiis.unizar.es/~raulmur/orbslam/

优点:泛用性:帮衬单目,双目,RGB-D三种方式。整个系统围绕ORB特征进行测算,在效用与精度之间落成了平衡,并围绕特征点举行了优化。其围绕检测算法可以使得地预防误差的积聚。使用三个线程达成SLAM,取得了较好的跟踪和建图效果,可以保险轨迹和地图的大局一致性。

      
缺点:对于每幅图像都急需统计ORB特征耗时大。三线程给CPU带来较大负担,在直接到嵌入式设备上有一定的不便,ORB-SLAM的建图为稀疏特征点,只好满意一定作用。

LSD-SLAM(Large Scale Direct monocular SLAM)

      
将单目直接发应用到了半密布的单目SLAM中,不需要总计特征点,还可以打造版稠密地图.

可取:直接法是指向像素举办的;对特色缺失区域不敏感,半稠密追踪能够确保追踪的实时性和稳定;在cpu上达成了半细密地图的重建。

症结:对相机内参和暴露相当敏锐,并且在相机急迅移动时不难遗失,在围绕检测部分,没有一向基于直接发完毕,重视特征点方程进行回环检测,尚未完全摆脱特征点的推断。

美学原理,SVO( Semi-direct Visual Odoemtry )

根据稀疏直接法的视觉里程计,在落到实处中,使用了4×4的小块举行块匹配,估算相机资自身的移动。

优点:速度极快,在低端总括平台上也能落成实时性,适合计算平台受限的场子。

缺点:在平视相机中表现不好;扬弃了后端优化和环绕检测部分,SVO的位姿估量留存总括误差,并且丢失后不太不难进行重一直。

RTAB-MAP(RGB-D传感器上的SLAM方案)

       给出了一套完整的RGB-D
SLAM方案,近日得以一直从ROS中取得其二进制程序,在谷歌 Project
Tango上可以获得其APP直接运用。

亮点:原理简单;协助RGB-D和眼睛传感器,且提供实时的原则性和建图成效。

缺陷:集成度高,庞大,在其上展开二次开发困难,适同盟为SLAM应用而非研讨利用。