计算机视觉大型攻略 —— SLAM(4) ORB SLAM2（四）Loop closing线程与全局BA

ORB SLAM2系列的最后一篇，Loop closing线程与全局BA。

开源代码：https://github.com/raulmur/ORB_SLAM2.git

前三篇链接：系统架构，跟踪线程，Local Mapping线程

参考文献:
[1] ORB-SLAM: a Versatile and Accurate Monocular SLAM System
[2] ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras
[3] Double Window Optimization for Constant Time Visual SLAM
[4] Bags of Binary Words for Fast Place Recognition in Image Sequences
[5] ORB: an efficient alternative to SIFT or SURF

系统架构

论文[2]中给出的算法框架图。这一篇写Loop Closing线程与全局BA线程。

Loop Closing 线程

当机器人的轨迹完成一个环的时候，称为Loop closure。Loop closing线程需要首先检测到闭环事件，之后优化Pose Graph，启动全局BA线程，优化整个地图和关键帧。

Loop Detection

Loop Closing算法使用DBoW2实现回环的检测。

词袋(Bag of Words)

DBoW2算法的大体工作流程，

1. 为一组训练图像提取特征

2. 特征分类并创建词典。

使用K-means聚类，构成由Word{Wi}组成的词典。

3. 量化每幅图片，为图片的特征寻找词典内最接近的words，生成直方图。

4. 反向映射到图像(documents)，生成Inverted Index。

5. 测试图像通过Inverted index在词典中快速匹配。

ORB SLAM中的回环检测

• 计算与其Covisibility Graph的邻居的BOW相似度。
• 在Recognition database中排除相似度在以下的关键帧。
• 排除与在Covisibiilty直接连接的关键帧。
• 获得Loop candidiates。
• 在Loop candidates中挑选最合适的Loop。

Loop Correction

• 融合新插入的关键帧与Loop，在Covisibility Graph中建立新的边。
• 优化Essential Graph。

全局BA

Loop closing线程最后启动全局BA线程，做最后的优化。

• Full BA可以看做Local BA的特例。 
• 优化所有的关键帧与地图点。
• 全局优化的性能比较差，因此单独创建一个线程，异步操作。如果在此线程优化期间，发现了新的Loop，那么需要停止当前的优化，为新的Loop从头优化。

上一篇: Local Mapping线程