ORB-SLAM-Mono論文要點總結（二）——地圖初始化

四、地圖自動初始化

地圖初始化的目的是計算兩幀間的相對位姿，從而三角化一組初始地圖點。此方法應該和場景無關（無論平坦或者普通場景），而且不應該要求人爲干預選擇一個比較好的雙視角（比如某個視差較大的場景）。作者並行的計算兩種幾何模型：1. 場景是平面的單應矩陣；2. 場景是非平面的基礎矩陣。作者使用一個主動策略去選擇使用哪個模型，而且對於所選的模型採用具體的方法儘量恢復位姿。該方法只有確定雙視角場景是可靠的纔會進行初始話，對低視差情況和衆知的二維平面模糊都能實施檢測，從而避免初始化一個不好的地圖。地圖初始化的具體算法如下：

1. 找出初始匹配：提取當前圖像幀$F_C$的ORB特徵（只在最優尺度下），而且在參考幀$F_r$查找$x_c\leftrightarrow x_r$匹配。若找到的匹配對不夠，則重置參考幀。

2. 兩種模型的並行計算：

3. 模型選擇：如果場景是平坦的，接近平坦或者存在很低的視差，其可以通過單應矩陣構建。此時也可以建立基礎矩陣，但是這樣的話問題不能得到很好的約束，而且去嘗試從基礎矩陣恢復相機運動信息可能會產生錯誤的結果。我們應該選擇單應矩陣，因爲從一個平坦的場景可以正確地完成初始化場景重建，否則（基於基礎矩陣方法？）在檢測到低視差場景時會拒絕初始化。另一方面，一個有足夠視差的非平坦場景只能通過基礎矩陣計算，但是如果其中的部分特徵點位於一個平面或者有低視差（距離遠）時也可以通過單應矩陣構建一些子匹配對。在這種情況下，應該選擇基礎矩陣。

   基於以下較爲魯棒的公式可進行計算並選擇是否採用單應矩陣：
   $R_H = S_H/(S_H + S_F)$
   當$R_H$>0.45時，說明當前場景較爲平坦而且視差較低，選擇單應矩陣。否則，其他情況選擇基礎矩陣。

4. 基於運動信息的運動和結果恢復：一旦模型被選定，便恢復與之相關的運動假設。在單應矩陣解法的情況下，使用Faugeraqs and Lustman的8點運動假設法[23]。該方法使用==Cheriality tests?==進行有效點篩選。但是，當存在低視差時此測試可能失效，因爲這些點很容易處於相機的前面和後面，這會導致選到錯誤的點。作者直接三角化這8對點，並檢測是否大多數點都可以在視差、所有相機前方被看到且重投影誤差比較低。若沒有一個明確較優的結果，則不進行初始化並返回第1步。該方法會剔除一些測量結果，這可以使得初始化方法在低視差和模棱兩可的配置下更加魯棒，而且可以被認爲是系統魯棒性的關鍵所在。

   當使用基礎矩陣進行計算時，使用標定矩陣$K$將基礎矩陣轉換爲重要矩陣（Essential Matrix）：
   $E_{rc} = K^TF_{rc}K$
   然後使用奇異值分解恢復四點運動假設[2]。正如單應矩陣法時，三角化四個點對並選擇對應的場景構建方法。