网站框架搭建设计,tk域名官网,90设计首页官网详情页,知名网站域名被抢注前言#xff1a;
这里比较一下视觉SLAM和激光SLAM的区别#xff0c;仅比较其在算法层面上的一些不同#xff0c;这里拿视觉SLAM算法#xff1a;ORB-SLAM系列和激光SLAM算法#xff1a;LOAM系列对比。
一#xff1a;特征提取
1.ORB-SLAM#xff08;视觉SLAM#xff0…前言
这里比较一下视觉SLAM和激光SLAM的区别仅比较其在算法层面上的一些不同这里拿视觉SLAM算法ORB-SLAM系列和激光SLAM算法LOAM系列对比。
一特征提取
1.ORB-SLAM视觉SLAM
ORB-SLAM算法采用ORB特征点ORB特征点一般提取在角点上面每一个ORB特征点具有以下信息
位置信息该ORB特征点所在的图像像素坐标。描述子信息用来描述该特征点的周围信息。
2.LOAM激光SLAM
LOAM算法采用线点和面点作为特征点每个特征点仅具备位置信息
位置信息该特征点在当前雷达坐标系下的空间点坐标
二特征匹配
1.ORB-SLAM视觉SLAM
ORB-SLAM算法对于每个特征点寻找自己的匹配点其根本方法都是比较特征点之间描述子直接的汉明距离距离小于设定的阈值即可认定为是匹配点。对于如何寻找特征点的候选匹配点范围有以下几种方法
暴力匹配单目初始化
对每一个当前帧特征点画圆计算当前帧特征点与上一帧圆内的特征点之间的描述子距离距离最近且小于一定阈值的认为是匹配点。
词袋匹配回环检测丢失重定位
根据特征点的描述子距离为每一帧的特征点赋予特征点在词袋中的节点信息。在进行特征匹配时只在该特征点所属的节点内部搜索候选匹配点即可。
优点
1.快速锁定候选匹配点匹配效率很高2.不需要位姿估计即可匹配。
缺点
比较依赖字典能够成功匹配的特征较少。
地图点投影匹配
ORB-SLAM2中用到最多的匹配方式。其中地图点的来源主要如下
恒速模跟踪模型中地图点来自前一个普通帧。会选择不同层级的金字塔中的特征点作为候选匹配点局部地图跟踪中地图点来自所有局部地图点。重定位跟踪中地图点来自于候选关键帧。闭环线程中地图点来自于闭环关键帧及其共视关键帧。
相互投影匹配 2.LOAM激光SLAM
激光中点云的配准主要以scan-to-scan或者scan-to-map为主。激光特征点寻找匹配点方式比较简单直接对于当前帧每个点寻找上一帧或者地图中距离最近的点当做匹配点。
三位姿估计
1.ORB-SLAM视觉SLAM 待更新
