背景

本项目内容是按照自己的理解复现orb-slam代码，希望透过代码深入理解系统运行逻辑及算法原理。

概述

复现版本系统界面：

复现效果

<效果概述>
复现系统的精度及实时性与orb-slam相当。

<评估方法>

1. 使用RMSE评估追踪精度，使用单帧追踪时间评估实时性。
2. 选择TUM RGBD数据集中有代表性的场景作为测试集。
3. 每个测试集运行5次，除去最大值和最小值，取剩余三次的平均值。

<详细内容>

• 数据集选择

数据集名称	场景特点	验证内容
fr1_room	存在回环	回环检测
fr2_360_kidnap	传感器输入中断	重定位
fr3_long_office	时间跨度长	累积误差
fr3_sit_halfsph	慢速移动 动态场景	动态场景定位
fr3_nstr_tex_near	无结构特征 有纹理	无结构场景定位

• 测试结果

相对orb-slam变化点

为避免机械式的代码输入，刻意选择不同的库函数，基于自己的理解进行代码复现。
相对orb-slam在系统功能、系统组成和代码实现上略有区别。

系统功能

复现版本选择RGBD相机作为传感器，并增加依据追踪结果创建字典的功能。

项目	orb-slam	复现版本
传感器类型	单目/双目/RGBD	RGBD
DBow字典	未提供创建功能	可依据场景创建

系统组成

模块与orb-slam相同，按照追踪、局部地图、回环检测、绘图4个线程进行划分。
源文件中类的定义及数量有调整，新增camera类，config，合并绘图类等。

变化	orb-slam	复现版本	变化原因
新增	-	Config & Camera	配置和相机信息修改便利
删除	Initializer	-	RGBD无需单独初始化
删除	PnPsolver	-	调用opencv内置函数实现
合并	FrameDrawer & MapDraw & Viewer	Drawer	功能整合
合并	KeyFrameDatabase & Map	Map	功能整合

代码实现

使用的库函数有以下变化：

• 矩阵运算：cv::Mat -> Eigen矩阵类 & Sophus
• 后端优化：g2o -> ceres

主要的代码工作：

• 按照自己理解的系统运行逻辑全部重写了除orb特征提取以外的所有代码。
• 参考orb-slam优化部分思路及论文，使用ceres重新构建优化问题并求解。
• 结合ceres优化问题求解模式，直接使用李代数进行点坐标投影，极大缩短优化时间。