SVO深度解析(一)之簡介和評價

 

以前研究VSLAM時，本人對SVO研究過一段時間，那個時候沒有時間總結，

如今快畢業了，總結一下本身瞭解的算法吧。。。。

對SVO的總結共分爲3各部分，分別爲簡介和評價部分、跟蹤部分、深度濾波部分(建圖部分)。

簡介部分

轉載請說明出處：

http://blog.csdn.net/zhubaohua_bupt/article/details/74822742

1先說一下SVO大致內容

SVO[2]是C. Forster, M. Pizzoli, and D. Scaramuzza在14年提出的一個半直接法的VSLAM（單目）。

開源代碼：https://github.com/uzh-rpg/rpg_svo 。

1.1爲何叫半直接法？

咱們知道，VSLAM有直接法和特徵點法兩大類。直接法和特徵點法，在幀間VO階段的不一樣在於，

直接法：提取梯度紋理特徵明顯的像素，幀間VO是靠圖像對齊，即經過

               最小化像素灰度差函數來優化幀間位姿。

特徵點法：提取特徵點（一般是角點），幀間VO靠PNP，即縮小在後幀圖像上，

             重投影點與特徵匹配點距離偏差，來優化幀間位姿。

而SVO是這樣乾的：

提取稀疏特徵點（相似特徵點法），幀間VO用圖像對齊（相似於直接法），

SVO結合了直接法和特徵點法，所以，稱它爲半直接法。

1.2 SVO幹了什麼事?

SVO主要乾了兩件事，

<1>跟蹤

<2>深度濾波

深度濾波是咱們常說的建圖（Mapping）部分。

1.2.1跟蹤部分

跟蹤部分乾的事情是：初始化位姿，估計和優化位姿(分別對應於幀間VO和局部地圖優化)。

初始化位姿：

用KLT光流法找匹配，而後恢復H矩陣。初始化思想是這樣的，

第一幀上提取的特徵點，做爲關鍵幀，後來的幀不斷用KLT與第一幀匹配，

直到匹配到的特徵點平均視差比較大，就認爲初始化成功，計算對應特徵點的深度，

與此對應的幀做爲第二幀。以後進入正常工做模式，即估計和優化位姿。

正常工做模式：

首先，經過和上一幀進行對齊，求取初始位姿；

而後，創建局部地圖，經過優化局部地圖和當前幀的投影灰度塊偏差，來優化當前位姿；

最後，判斷此幀是不是關鍵幀，若是爲關鍵幀就提取新的特徵點。

通過以上四個步驟，完成一幀的處理。若是在CMakeLists裏打開了HAVE_G2O的選項，

代碼隔一段時間還會BA,不過很是慢。

1.2.2深度濾波部分

深度濾波部分主要任務是完成估計特徵點的深度信息。

深度濾波和跟蹤部分相互依賴，由於深度濾波是以相機位姿已知爲前提進行的，

而跟蹤部分又依靠深度濾波的結果（較準確的三維點），完成位姿的估計。

乍一看，這是個雞生蛋，蛋生雞的問題，既然二者循環迭代，總得有個起始點。

其實，單目的slam在啓動時須要初始化，而這個初始化就提供粗糙的幀間位姿，

以便於深度濾波和跟蹤部分的迭代。

當深度能夠用後（稱之爲收斂），把它放入地圖裏，用於跟蹤。

 

1.2.3爲何叫VO

這個得從SVO乾的事來講，它既沒有閉環檢測，也沒有重定位（SVO的重定位太。。。），

它乾的事只要是定位,比較符合視覺里程計(VO)的特色。

ORBSLAM算是目前性能最好的開源算法，這些功能它都有，所以算一個比較完整的VSLAM算法。

1.2.4 svo怎麼樣

優勢：是比較快，若是你跑代碼的時候發現很容易跟丟，能夠修改這幾個配置參數：

quality_min_fts：匹配到的最小特徵點。

quality_max_drop_fts：允許相鄰幀匹配到特徵點的最大落差。

缺點：缺點是比較明顯的

和ORBSLAM相比。

<1>因爲位姿的估計和優化全是靠灰度匹配，這就致使了系統對光照的魯棒性不足。

<2>對快速運動魯棒性性不足。直接法都似這個樣子。。能夠加入IMU改善。

<3>沒有重定位和閉環檢測功能。

若是把此工程修改爲RGBD的模式後，魯棒性和精度明顯提升，近似於ORBSLAM的RGBD模式。

 

[1]C. Forster, M. Pizzoli, and D. Scaramuzza, 「SVO: Fast Semi-DirectMonocular Visual Odometry,」 in Proc. IEEE Intl. Conf. on Robotics and Automation, 2014.

[2] MatiaPizzoli,Christian Forster, and Davide Scaramuzza. REMODE: Probabilistic,monocular densereconstruction in real time. In International Conference onRobotics andAutomation (ICRA), pages 2609–2616, Hong Kong,China, June 2014.