ORB-SLAM简介（三）之地图初始化

单目SLAM地图初始化的目标是构建初始的三维点云。由于不能仅仅从单帧得到深度信息，因此需要从图像序列中选取两帧以上的图像，估计摄像机姿态并重建出三维点云。

地图初始化的一种方法为追踪一个已知物体。单帧图像的每一个点都对应于空间的一条射线。通过不同角度不同位置扫描同一个物体，期望能够将三维点的不确定性缩小到可接受的范围。

另一种方法基于假设空间存在一个平面物体，选取两帧不同位置的图像，通过计算Homography或者Essential matrix来估计位姿。这类方法在视差较小或者平面上的点靠近某个主点时效果不好。

第三种方法是根据两帧之间的特征点匹配计算Fundamental matrix，进一步估计位姿。这种方法要求存在不共面的特征点。

ORB-SLAM的作者提出了一种基于统计的模型选择方法。该方法优先选择第三种方法，并期望在场景退化情形下自动选择第二种方法。如果选取的两帧不满足要求，放弃这两帧并重新初始化。

第一步：提取特征点并匹配，若匹配点足够多，尝试第二步。

第二步：利用匹配的特征点分别计算方法二和方法三。在每步迭代中，根据symmetric transfer errors分别计算两个模型的得分。如果模型内点数不够多，则放弃该模型。

第三步：根据一定的准则选择模型。

第四步：根据选择的模型计算位姿。

第五步：Full bundle adjustment。

由于ORB-SLAM对初始化的要求较高，因此初始化时可以选择一个特征丰富的场景，移动摄像机给它提供足够的视差。另外，由于坐标系会附着在初始化成功的那帧图像的位置，因此每次初始化不能保证在同一个位置。