本文總結(jié)于上交感知與導(dǎo)航研究所科研助理——劉國慶關(guān)于【視覺SLAM開源算法ORB-SLAM3 原理與代碼解析】的公開課。

ORB-SLAM最早的版本在2014年的RSS上發(fā)布，在2016年作者又發(fā)布了ORB-SLAM2,接著在去年（2020年）發(fā)布了ORB-SLAM 3。ORB-SLAM1只能針對單目相機數(shù)據(jù)進行處理；ORB-SLAM 2 增加了對于雙目和RGB-D相機的處理，在回環(huán)檢測模塊增加了Full Global BA的處理；ORB-SLAM 3則增加了對于IMU融合的支持，兼容魚眼相機模型，并且增加了Altas多地圖的支持；同時，回環(huán)檢測為了支持多地圖的模式，提供了一種叫Welding BA的優(yōu)化方式。ORB -SLAM的作者將上述提到的各版本項目都開源了，為學(xué)術(shù)研究還是工程落地都提供了很好的參考。

1

首先來介紹一下ORB SLAM中涉及的一些基礎(chǔ)概念。

幀&關(guān)鍵幀：視覺SLAM都是對一個圖像序列進行處理，每一張圖像被稱為幀，而關(guān)鍵幀則是通過一定篩選機制得到的、具有一定代表性的圖像幀。

地圖點/路標(biāo)點：將圖像上被觀察到的特征點通過三角化等方式進行深度恢復(fù)，我們就可以得到其對應(yīng)的在三維空間的位置，同時包含幀的觀測信息，這種點就被稱為地圖點或路標(biāo)點。

共視：當(dāng)一個地圖點被多幀觀察到時，我們就可以稱這幾幀有基于該地圖點的共視關(guān)系。

共視圖&本質(zhì)圖:我們可以把共視關(guān)系作用邊表示，關(guān)鍵幀用節(jié)點表示，就可以建立共視圖，而本質(zhì)圖在共視圖基礎(chǔ)上只保留具有較強共視關(guān)系的邊。

Altas（地圖集）：ORB-SLAM 3提供了多地圖的存儲和拼接功能，在跟蹤丟失后可以嘗試將現(xiàn)有地圖和歷史地圖進行匹配、融合，并更新當(dāng)前的活躍地圖（Active Map）

數(shù)據(jù)關(guān)聯(lián)：在語義SLAM中，第k幀檢測到物體Obj1、Obj2，第k+1幀檢測到物體Obj3、Obj4，確定Obj1和Obj3、Obj4中的哪一個是對真實世界中同一個物體的多次觀測，這是數(shù)據(jù)關(guān)聯(lián)的一個直觀例子。在間接法（特征法）SLAM中，表現(xiàn)為不同幀中的特征，哪些是對應(yīng)于同一個空間路標(biāo)點/地圖點的。在ORB3中考慮到的數(shù)據(jù)關(guān)聯(lián)包括短期內(nèi)滑動窗口中關(guān)鍵幀觀測到的路標(biāo)點和圖像特征的數(shù)據(jù)關(guān)聯(lián)；中期的數(shù)據(jù)關(guān)聯(lián)是指圖像特征與局部地圖點的關(guān)聯(lián)；長期的數(shù)據(jù)關(guān)聯(lián)包括利用場景識別技術(shù)和詞袋模型，在回環(huán)檢測、重定位等過程中的數(shù)據(jù)關(guān)聯(lián)；而多地圖的數(shù)據(jù)關(guān)聯(lián)還可以實現(xiàn)地圖之間地圖點的匹配和融合。

ORB-SLAM 3的基本流程和此前的ORB版本沒有顯著的改變，只是也增加了部分新特性?；谠~袋模型的關(guān)鍵幀數(shù)據(jù)和之前差不多，每一個關(guān)鍵幀均會被存入數(shù)據(jù)庫用于回環(huán)檢測。地圖結(jié)構(gòu)上進行了改進，ORB-SLAM3使用Altas地圖集的結(jié)構(gòu)，地圖中包含一個Active Map和若干個Non-active Map，每個Map均包括地圖點，關(guān)鍵幀，共視圖，Spanning Tree等信息。跟蹤線程添加了IMU的積分，并且和以前一樣進行關(guān)鍵幀的判斷和構(gòu)造；在LocalMapping線程中中執(zhí)行IMU的初始化，以及和之前相同的冗余關(guān)鍵幀和地圖點剔除、新地圖點的創(chuàng)建等工作；在回環(huán)檢測部分主要添加了多地圖的融合。

ORB-SLAM 3框架

總結(jié)一下，ORB-SLAM3的貢獻包括：

1、提供了一個單雙目VI-SLAM的系統(tǒng)；

2、改善召回率的場景識別技術(shù)；

3、多地圖機制；

4、抽象的相機表示。

2

抽象相機模型介紹

為什么ORB-SLAM3需要一個抽象的相機模型呢？

相比于傳統(tǒng)相機，魚眼相機超過180度的廣視角可以獲取更多的信息，但是因為它不符合針孔模型數(shù)學(xué)建模的假設(shè)，導(dǎo)致uniform reprojection error的假設(shè)失效；如果對于圖像直接進行裁剪，將會導(dǎo)致外圍圖像丟失，反而喪失了魚眼相機大視角的優(yōu)勢。在ORB-SLAM3中，相機成像模型提供投影、反投影和相關(guān)的雅克比計算等函數(shù)，并且將此前系統(tǒng)中的EPNP更換為MAP-PNP, 從而實現(xiàn)了相機成像模型與SLAM部分的解耦，還可以擴展，能將相同的SLAM pipeline用于大部分類型的相機。

此外，針對雙目相機模型，ORB-SLAM3也提供了一定的改善。ORB-SLAM2假設(shè)我們針對雙目相機預(yù)先進行了極線矯正，但是很多時候由于無法保證左右目相機光軸的絕對平行，極線糾正的效果也往往不好；而有些時候，我們需要使用兩個參數(shù)不同的相機進行觀測，而ORB-SLAM2無法兼容這類雙目相機，如類似RGB-D相機中焦距、分辨率相差巨大的彩色相機+近紅外相機，如果將彩色圖像和近紅外圖像組成雙目圖像，ORB-SLAM2無法綜合利用這對圖像估計相機位姿。在ORB-SLAM3中將左右兩目相機視作為具有固定位姿變換的兩臺單目相機使用，并且也不再限制兩臺相機必須具有足夠面積的、重疊的共視區(qū)域，解決了這個問題。

3

VISLAM實現(xiàn)和IMU初始化

ORB-SLAM3中VI-SLAM在ORB-SLAM-VI上進行了改進，包括：提供快速，準(zhǔn)確的IMU初始化；支持單雙目VI-SLAM；支持針孔/魚眼相機模型。在視覺和IMU融合方面，ORB-SLAM3在位姿求解時所建立優(yōu)化問題的殘差項，包括所有關(guān)鍵幀和上一幀IMU估計的殘差項，以及所有路標(biāo)點觀測的視覺誤差項。其中針對視覺路標(biāo)點的觀測，為了避免錯誤匹配造成的極端值的影響，嵌套了魯棒核函數(shù)。

IMU初始化的目的是為了得到Body系速度、重力方向和IMU偏置。ORB-SLAM3中初始化流程的設(shè)計建立在作者的幾點思考上：

1、ORB-SLAM純單目已經(jīng)可以初始化得到精確的地圖，尺度信息可以通過IMU得到；雙目圖像輸入下則尺度客觀，可以不考慮尺度信息的問題；

2、如果將尺度單獨作為優(yōu)化變量進行表示和優(yōu)化，效果比在BA中的隱式表達收斂更快；

3、IMU初始化過程中必須考慮傳感器的不確定性，否則會產(chǎn)生難以預(yù)測的巨大誤差。

接下來的討論IMU初始化問題時，均指單目輸入時的初始化。ORB3中IMU初始化的步驟包含三步，第一步是純視覺最大后驗估計（MAP），第二步是純慣性MAP，第三步是視覺+慣性MAP。針對純視覺MAP，我們提取初始化后2s內(nèi)10幀圖像進行純視覺BA，從而得到?jīng)]有尺度信息的相機位姿和路標(biāo)點位置。接下來我們進行只有IMU參與的初始化，最終得到的優(yōu)化結(jié)果是：幀位姿、速度和地圖點，并都具有正確的尺度；Body系Z軸將被旋轉(zhuǎn)到和重力方向一致；IMU的偏置被更新。第三步是視覺IMU聯(lián)合后驗估計，ORB-SLAM3只需要2秒就可以完成尺度的初始化，誤差在5%左右，此外，ORB-SLAM3還將進行只包含尺度因子和重力方向的優(yōu)化，10秒一次，用于避免傳感器運動緩慢時IMU激勵不夠的情況。

ORB-SLAM3中的跟蹤和建圖和ORB-SLAM-VI類似，在短期跟丟后，在滿足一定條件時會嘗試?yán)肐MU積分得到的位姿信息進行重定位；當(dāng)丟失持續(xù)一定時間后，將會重新初始化，創(chuàng)建新的Active map。

4

改進的回環(huán)檢測與多地圖融合

這一部分的內(nèi)容很大程度上和ORB-SLAM2是相同的，我們首先來回顧一下基本概念。

準(zhǔn)確率（PrecisionRate)：檢測到的回環(huán)中正確的比率。

召回率（RecallRate）：檢測到的回環(huán)占總真實回環(huán)數(shù)的比率。

在ORB-SLAM1/2中，僅通過DBoW詞袋數(shù)據(jù)庫就可實現(xiàn)50%~80%的準(zhǔn)確率和召回率。在回環(huán)時，通過增加幾何一致性和時間一致性檢驗，犧牲召回率來增加準(zhǔn)確率。ORB-SLAM3改進了回環(huán)檢測的速度，提高了召回率，并且增加了多地圖的部分。

尋找閉環(huán)幀的過程可以分為六步：

1.針對每一個新關(guān)鍵幀，在數(shù)據(jù)庫中查詢到三個最相似的關(guān)鍵幀；

2.嘗試對新關(guān)鍵幀及其共視關(guān)鍵幀，和候選關(guān)鍵幀及其共視關(guān)鍵幀進行數(shù)據(jù)關(guān)聯(lián)；

3.利用匹配的特征點和地圖點求解位姿轉(zhuǎn)換；

4.利用位姿變換的初始估計，進行點云重投影尋找新的匹配，并且進行位姿的優(yōu)化求精

5.對時間一致性的檢驗，此前的步驟相對復(fù)雜，在ORB-SLAM3中局部地圖里面已有關(guān)鍵幀的共視信息進行判斷；

6.利用重力方向?qū)τ诨丨h(huán)結(jié)果進行檢查。

回環(huán)檢測后是進行回環(huán)還是地圖合并，取決于當(dāng)前關(guān)鍵幀檢測到的回環(huán)關(guān)鍵幀是在當(dāng)前的active map還是在其他map。當(dāng)對non-active map和active map進行融合時，共視圖和本質(zhì)圖同步更新,active map中的信息被追加到歷史地圖中，匹配到的non-active map變成新的map。

5

總結(jié)

總體來說，ORB-SLAM3的流程和ORB-SLAM1/2非常相似，對于ORB-SLAM系列熟悉的同學(xué)應(yīng)該很容易上手；相機模型的抽象處理，使得SLAM位姿求解過程和相機成像模型解耦，理論上支持絕大多數(shù)成像模型的相機；通過對于IMU的支持，ORB-SLAM系列加入了VI-SLAM的大家庭，也表明多傳感器融合的SLAM是目前一大發(fā)展趨勢；多地圖的機制有利于跟丟后保留盡可能多的信息用于后續(xù)補救，也為后續(xù)實現(xiàn)多機器協(xié)同的SLAM提供了工作基礎(chǔ)。

審核編輯 ：李倩