3.4. Mappoints management and key frame process
如果在步骤 3.3 中成功跟踪地图点, 则缓存地图点以在下一帧中优先化. 当完成当前帧的跟踪时, 应该为下一帧更新帧运动速度和地图点. 最后, 决定当前帧是否应该作为关键帧产生, 其标准指的是[11]. 如果框架作为关键帧生成, 则会提取并匹配新的 ORB 要素, 同时在此关键帧中保留成功跟踪的要素. ORB 功能在关键帧中提取; 因此, 当前关键帧姿势和 mappoints 通过本地映射线程中的描述符匹配和投影错误进一步优化. 如果通过直接方法进行跟踪失败, 则通过与参考关键帧匹配, 在当前帧中提取 ORB 要素以进行本地化.
4. SVL-VI SLAM system
在第 3 节的工作基础上, 紧密耦合的 Visual-
提出了惯性 SLAM 系统, 它可以闭环并覆盖公制尺度. IMU 数据通过预积分处理 [25]. 与 SVL 类似, 该系统还具有三个并行线程, 用于跟踪, 本地映射和循环关闭. 由于需要融合惯性导航状态, 这三个线程和仅视觉 SVL 系统之间存在差异. 该系统的基本流程见[26]. 鉴于未在非关键帧中提取 ORB 特征, 通过最小化类似于(3) 中的光度误差来完成特征匹配.
4.1. Tracking
SVL-VI 的跟踪线程负责跟踪姿势, 速度和 IMU 偏差. 该线程的基本流程如图 2 所示 (我们并没有专门绘制 SVL-VI 的流程图. SVL-VI 的跟踪线程是类似的, 其中初始姿势由 IMU 而不是 SVL 中的恒定速度运动模式预测, 并且参考帧是最后一个关键帧或最后一帧, 这取决于地图是否被更新.) 初始姿势由 IMU 预测, 其比恒定速度运动模式更可靠. 通过最小化当前帧和参考帧之间的光度误差来进一步优化当前帧, 类似于 3.2 中的帧. 在使用 (3) 中给出的方法完成匹配之后, 通过使用 IMU 状态误差项最小化类似于 (4) 中的投影误差来优化当前帧 j. 根据地图是否由另外两个线程更新, 优化会有所不同.
来源: http://www.bubuko.com/infodetail-3111657.html