｜期刊分享｜SLAM｜基于视觉的状态估计开源算法实验比较

编者序：本文在全新的数据集上评估了现有的开源SLAM算法，提到的一些信息或许有用，如RatSLAM包含了码盘信息、COLMAP利用所有图像进行全局优化等。总体来看，综述部分还是不错的，评估结果可以参考。

推荐指数 ☆☆☆☆

一、引言

自主机器人应用中最重要的挑战是状态估计，尤其是跟踪运动机器人的位姿和随机器人运动建图这对对偶问题。十年来，随着相机传感器的广泛应用和机器视觉的发展，出现了基于视觉的解决方案：视觉里程计VO或视觉V-SLAM。

基于视觉的状态估计方法可以分为两类：一类是滤波方法，如扩展卡尔曼滤波EKF，将视觉特征与IMU等其它数据融合；一类是建立在运动恢复结构SfM和视觉里程计VO基础上，提取并跟踪图像特征，然后通过最小化重投影误差估计位姿。耗时的全局优化通常用光束调整（bundle adjustment，BA），BA又可根据跟踪的是特征还是像素强度细分为稀疏方法和直接方法。

近年来，出现了很多视觉状态估计的开源软件包，每一个都有令人印象深刻的证明事例。然而，由于没有全面的比较，所以选择可靠稳健的方法很难。另一方面，由于算法本身约束，如参数数量和敏感度、特定初始化运动方式、不同输入格式、软件依赖等，将这些软件包应用于新的数据集很困难。还有一些学术上的或商用产品，仅提供了算法性能描述而没有开源代码，很难评估和应用。

本文目的是评估这些开源软件包，并且是在8种不同环境（室内、户外、水面、水下）不同平台新的数据集上。

二、评估的算法

下面简单介绍些本文评估的算法。

基于卡尔曼滤波的方法：MonoSLAM基于EKF，状态包括地图和相机位姿，在预测阶段状态更新，假定为服从高斯分布的常量运动模型。根据检测到的特征的测量偏差更新状态，特征点检测基于主动搜索算法，根据窗口和估计的运动形式限定了最有可能的搜索区间。

基于SfM的方法：libVISO提供了一种稀疏里程计方法。并行跟踪和匹配（Parallel Tracking and Matching，PTAM）也是种稀疏方法，最初是为小范围内的增强现实应用开发的，输入为单目相机图像。PTAM状态估计分为两步：首先是跟踪阶段，新的图像与地图进行特征比较；然后是地图更新阶段，使用一些关键帧更新。初始化阶段需要一些特征在不同视角都可被观测到。

ORB-SLAM使用ORB特征进行跟踪、建图、重定位和闭环检测。半直接视觉里程计（Semi-direct Visual Odometry，SVO）仅在新的关键帧增加到地图上时提取特征，并且与前一帧进行特征匹配进行直接运动估计，坏点（Outliers）通过贝叶斯滤波滤除。大规模直接单目SLAM（Large-Scale Direct Monocular SLAM，LSD-SLAM）直接利用图像亮度而不是特征点，进行跟踪和建图，从而实现稠密3D重建。RatSLAM从脑神经处理获得灵感实现导航，给定单目图像和里程计信息，该方法根据外观匹配场景并构建拓扑图。

全局最优化方法：一些上述实时方案使用全局优化包平滑得到的估计，g2o和Ceress是两种非线性误差函数图优化框架，可以建模和解决大型优化问题。

最近的一种解决方案COLMAP包括了完整的视觉流程，可重建有序或无序的图像序列，它在整个图像集合上使用Cere框架，得到非常好的，但是很慢的重建轨迹。

三数据集

本文的数据集是自己采集的，如下图所示，包括了8种场景，可在
http://afrl.cse.sc.edu/afrl/resources/datasets/上下载Rosbag包。