一种改进的单目ORB-SLAM方法

编者序：本文虽然理论上创新性很小，但还是具有工程应用意义的。在光照变化强烈的应用场景中，自适应的阈值可在一定程度上改善SLAM效果。

推荐指数☆☆☆☆

一引言

随着社交需求的增长和科技的进步，生活中出现了越来越多的移动机器人，提高了生活质量，节约了生活成本，社交价值越来越大。在移动机器人技术中，最重要的问题时定位，这是机器人完成指定任务的基础。

由于视觉同时定位和建图（VisualSimultaneousLocalizationandMapping，V-SLAM）可以在未知环境中定位和构建三维环境地图，因此V-SLAM广泛应用。V-SLAM已经从最开始的基于滤波的方法，发展为基于关键帧的方法，Strasdat证明了后者比前者更精确。

基于关键帧的V-SLAM可分为三个阶段：图像预处理、前端建图和后端图优化，如下图所示。图像预处理主要是特征提取，前端构建这些特征点和相机位姿、图像坐标之间的初步约束模型，后端通过非线性优化提高前端建图的精度。

最具代表性的基于关键帧的方法时PTAM，该方法首次将trackinglocation和composition分为两个并行处理的进程，并且使用了FAST特征。等人提出了单目视觉ORB-SLAM方法，具有高精度和实时的特点，是最好的单目视觉SLAM算法。但工程应用中扔存在一些问题。

二ORB-SLAM算法

单目视觉ORB-SLAM算法如下图所示，算法分为跟踪、建图和闭环检测三个线程。算法使用了ORB特征点，使用BA进行优化。

三存在问题

工程应用中，存在的主要问题有：FAST特征点检测时使用了固定门限的灰度值，因此弱光条件下，特征点数量会减少，跟踪失败；地图初始化时，假设是平面，两帧之间的特征点满足特定变换，但在没有先验信息下，并不知道得出来的多组解哪个时最优的，仅仅根据disparity大小决定最优解是不对的。

四改进方法

针对第一个问题，使用自适应的灰度阈值，t=a×C，稀疏a根据图像C自适应决定。针对第二个问题，使用三张或更多的帧进行初始化。

五实验

实验平台如下图所示。

实验结果如下图所示。

估计的轨迹与GPS测量对比如下图所示。

英文名称：AnImprovedMonocularORB-SLAMMethod

互动：熟悉或应用过哪种SLAM？有何心得后台交流下。

死磕自律，遇见更好的自己；自斩双臂，方能长出强两翼。

败而不弃，潜龙勿用待时机；执着坚毅，飞升上神创奇迹！