摘要-本文提出了基于特征的可实时运行的单目SLAM系统-ORB-SLAM，在小的，大的，室内和室外环境中运行。本系统对严重的运动杂动是鲁棒的，允许宽基线的回环检测和重定位，包括完全的自动初始化。基于近年的优秀算法，我们从头开始设计一个新颖的系统，该系统对于所有的SLAM任务使用相同的特征算法：这些任务包括：跟踪、建图、重定位和回环检测。已有的最合适的策略是选择点和关键帧的重建来得到优秀的鲁棒性和生成一个紧凑的和可跟踪的地图，该地图只有场景发生变化才会改变，且允许lifelong 操作。本文提出了详尽的评估，在27个序列中，来自于最常用的数据集。ORB-SLAM获得了相对于其他当前的单目系统前所未有的更好的性能。
1、介绍
BA是众所周知的能够提供精确的相机位姿估计和一个稀疏的几何重建，在给定一个强的匹配网络和一个好的初始位姿的前提下。在很长一段时间内，本方法被认为是难以用于实时应用比如视觉SLAM算法中。视觉SLAM目标是在估计相机轨迹的同时对环境进行重建。如今，我们知道获得精确的结果以一个非限制性的计算成本，一个实时的SLAM算法不得不提供具有如下的BA：
a.选定帧（关键帧）子集中场景特征（地图点）的对应观察。
b.随着关键帧的增加，整体复杂度也在增加，关键帧的选择应该避免不必要的冗余。
c.关键帧和特征点的一个强的网络配置会得到一个精确的结果，也就是，一组具有显著视差的关键帧观测点和有大量的闭环匹配。
d.关键帧和点位置的初始估计用于非线性优化。
e.探索中的局部地图，重点是优化以实现可扩展性。
f.能够执行全局优化来实时闭环。
第一个实时的BA应用是视觉里程计，作者为Mouragon et. al。他们也是基于具有开创新的SLAM工作PTAM（parallel Tracking and mapping）.本算法，仅限于小规模操作，提供了简单但是有效的算法，用于关键帧选择，特征匹配，三角化点，用于每一帧的相机跟踪，以及跟踪失败后的重定位。不幸的是，许多因素严重限制了他的应用：没有回环检测以及足够的场景处理，重定位视角的低不变性以及地图引导需要人工干预。
标签：关键帧,BA,Monocular,Accurate,实时,算法,SLAM,ORB From： https://www.cnblogs.com/gary-guo/p/17036622.html