paperreading2 ORB-SLAM2：Monocular ,Strreo,and RGB-D Cameras
全称：ORB-SLAM2: An Open-Source SLAM System for Monocular, Stereo, and RGB-D Cameras
摘要：
本文提出一个完整的同时定位于建图SLAM系统，用于单目，双目和深度相机，包括地图重用，回环检测，重定位。
后端，基于单目和双目观测的BA，得到精确的轨迹估计。
轻量级定位模式，利用未建图的区域视觉测距轨迹，并与允许零漂移定位的地图点匹配。
29种流行公共序列评估表明，定位精度高。
引言：
1、位置识别是SLAM闭环检测的关键模块，检测何时传感器返回映射区域并矫正搜索中的积累误差，跟踪失败时重新定位相机。
2、单目相机缺点：
1）只有一个相机，深度未知，地图比例和估计轨迹未知
2）第一帧无法进行三角测量，而初始化地图需要多视图或滤波技术
3）单目相机的尺度飘移，纯旋转失败。
主要贡献：
1、第一个使用单目、双目、RGB-D相机的开源SLAM系统，包括回环检测、重定位、地图重用
2、RGB-D结果显示，使用BA，实现了比ICP或光度和深度误差最小化更高的精度
3、通过远近距离立体点和单目观察，双目结果比直接法双目SLAM精度更高。
4、轻量级定位模式，有效重用地图。
双目 a：来自KITTI数据集的序列的最终轨迹和稀疏重建。
RGB-D b：TUM RGB-D数据集的序列中估计的关键帧位姿和密集点云（通过从估计的关键帧位姿反向投影传感器深度图）。
算法流程：
四个线程：
1、Tracking:通过局部地图中匹配的特征定位每一帧的相机位置，并只运用运动BA最小化重投影误差。相机定位+关键帧
2、Local Mapping:执行BA，管理局部地图并优化它
3、Loop Detection:检测大回环并通过执行位姿图优化矫正累计漂移
4、Full BA：位姿图优化之后执行完整BA，计算最优结构和运动解决方案。
重定位模块DBoW2
维护covisibility graph，连接任意观察相同点的两个关键帧以及连接所有关键帧的最小生成树
使用相同的ORB特征