嵌入式优化的ORB-SLAM：实现实时高精度移动机器人SLAM

本文主要探讨了如何在嵌入式环境中实现和优化ORB-SLAM（Oriented FAST and Rotated BRIEF，基于ORB特征的视觉同时定位与地图构建系统）算法，以便适应移动机器人的需求。原始的ORB-SLAM源代码在嵌入式开发板上运行存在困难，尤其是由于其构建的点云图过于稀疏，无法有效地支持路径规划。 作者首先对ORBSLAM进行了针对性的改进和优化。他们从PC端Linux系统的环境中剥离了不必要的部分，例如轨迹数据和依赖库，重点保留并优化了src和include文件夹中的C++核心代码。这一步旨在减少系统的复杂性和资源消耗，使得算法能在资源受限的嵌入式设备上运行。 接着，他们将优化后的C++代码以JNI（Java Native Interface）的方式调用到嵌入式平台上，引入了OpenCV（计算机视觉库）、g2o（图形优化库）、DBoW2（二阶动态包络匹配）和Eigen（矩阵计算库）等必要的依赖，以增强算法的处理能力和精度。 在处理关键帧后，作者采用栅格地图的方法，将连续的关键帧关联起来，从而实时显示机器人轨迹并构建出地图。这种方法不仅可以减小地图的数据量，还能更直观地反映实际环境的布局，提高地图构建的效率和精度。 实验结果显示，经过这样的优化，ORBSLAM在嵌入式开发板上的运行显著提高了性能，降低了硬件配置的需求和成本。地图的误差被控制在±0.5米的范围内，这是一个相当高的精度，对于移动机器人的导航任务来说是非常重要的。 总结来说，这篇文章提供了一种有效的策略，即如何将高级的视觉SLAM技术ORBSLAM移植到嵌入式环境，使得移动机器人能够在资源有限的平台上实现精准的定位和地图构建，这对于移动机器人领域的实际应用具有重要意义。