ORB-SLAM简介（一）

ORB-SLAM是一种基于ORB特征的三维定位与地图构建算法（SLAM）[1]。该算法由Raul Mur-Artal，J. M. M. Montiel和Juan D. Tardos于2015年发表在IEEE Transactions on Robotics。ORB-SLAM基于PTAM架构，增加了地图初始化和闭环检测的功能，优化了关键帧选取和地图构建的方法，在处理速度、追踪效果和地图精度上都取得了不错的效果。要注意ORB-SLAM构建的地图是稀疏的。

ORB-SLAM一开始基于monocular camera，后来扩展到Stereo和RGB-D sensor上。作者好像还会做Semi-dense mapping的扩展。作者的开源代码都在GIT上[2]。

ORB-SLAM算法的一大特点是在所有步骤统一使用图像的ORB特征。ORB特征是一种非常快速的特征提取方法，具有旋转不变性，并可以利用金字塔构建出尺度不变性。使用统一的ORB特征有助于SLAM算法在特征提取与追踪、关键帧选取、三维重建、闭环检测等步骤具有内生的一致性。

ORB-SLAM架构如下：



ORB-SLAM利用三个线程分别进行追踪、地图构建和闭环检测。

一、追踪

ORB特征提取

初始姿态估计（速度估计）

姿态优化（Track local map，利用邻近的地图点寻找更多的特征匹配，优化姿态）

选取关键帧

二、地图构建

加入关键帧（更新各种图）

验证最近加入的地图点（去除Outlier）

生成新的地图点（三角法）

局部Bundle adjustment（该关键帧和邻近关键帧，去除Outlier）

验证关键帧（去除重复帧）

三、闭环检测

选取相似帧（bag of words）

检测闭环（计算相似变换（3D<->3D，尺度不定，因此是相似变换（自己看不懂了，待补充！）），RANSAC计算内点数）

融合三维点，更新各种图

图优化（传导变换矩阵），更新地图所有点

作者提供了ORB-SLAM在New College Data[3]上的时间统计，如下图。

1. 追踪部分，平均每帧约30毫秒，基本达到了30fps。特征提取速度是非常快的，平均11毫秒左右，非常适合于实时SLAM。姿态估计稍微耗时一些，平均需要20毫秒，特别是姿态优化需要耗费16毫秒的时间。

2. 地图构建部分，平均每关键帧约385毫秒。其中生成新的点约70毫秒，Local BA约300毫秒，相对还是比较耗时的。不知道这两部分还有没有优化的空间。



[1] ORB-SLAM: A Versatile and Accurate Monocular SLAM System

[2] https://github.com/raulmur/ORB_SLAM2
[3] http://www.robots.ox.ac.uk/NewCollegeData/