随笔——视觉惯性SLAM方法比较
一、方法分类概览
视觉SLAM根据前端匹配方式主要分为：
- 特征点法：提取角点/边缘，计算描述子匹配 → 精度高、鲁棒，但地图稀疏、弱纹理易失败。
- 直接法：直接使用像素灰度值 → 计算快、弱纹理可用，但对光照/曝光敏感。
- 半直接法：提取特征点，但在图像块上优化。
此外，视觉惯性融合（紧耦合/松耦合）可显著提升快速运动、短暂遮挡下的鲁棒性。
二、六种主流方法详细介绍
1. ORB-SLAM3 —— 最全面的经典之作
- 核心思想：基于ORB特征点的优化方法。V3支持纯视觉、视觉惯性、多目、单目/双目/RGB-D，实现地图复用与闭环。
- 开源地址：https://github.com/UZ-SLAMLab/ORB_SLAM3
- 优点：精度极高（基准级）；系统稳定，初始化/重定位/闭环完善；惯性融合提升快速运动鲁棒性。
- 缺点：计算资源消耗大；弱纹理/重复纹理易失败；稀疏地图不可用于导航避障。
2. VINS-Mono / VINS-Fusion —— 视觉惯性SLAM标杆
- 核心思想：滑动窗口紧耦合非线性优化 + IMU预积分。Mono为单目惯性，Fusion扩展双目/GPS等。
- 开源地址：https://github.com/HKUST-Aerial-Robotics/VINS-Mono
- 优点：代码简洁高效；IMU融合出色，抗快速旋转/短暂遮挡；初始化鲁棒，可在线标定。
- 缺点：纯视觉精度不如ORB-SLAM2；对IMU参数敏感（低精度IMU效果下降）；大尺度下闭环漂移。
3. SVO 2.0 —— 高速、轻量级选择
- 核心思想：半直接法 + 深度滤波器。前端稀疏直接法估计位姿，后端特征点法优化。2.0增加边缘化与IMU融合。
- 开源地址：https://github.com/uzh-rpg/rpg_svo_pro_open（注：2.0商业闭源，开源版为1.0但含部分更新）
- 优点：速度极快（嵌入式设备实时运行）；计算开销小；重复纹理环境中表现较好。
- 缺点：无全局闭环（1.0版本）；对光照变化/运动模糊敏感；地图为半稠密深度图。
4. LSD-SLAM —— 直接法大尺度建模先驱
- 核心思想：大尺度直接单目SLAM，优化像素灰度并估计半稠密深度图。
- 开源地址：https://github.com/tum-vision/lsd_slam（已停止更新）
- 优点：可构建半稠密3D地图；弱纹理环境优于特征点法。
- 缺点：项目停滞，不兼容新系统；对相机内参/曝光敏感；闭环弱，大尺度漂移大；无IMU版本。
5. DSO —— 直接法优化极限
- 核心思想：直接稀疏里程计（无闭环）。优化所有像素光度误差，选择性采样关键点。
- 开源地址：https://github.com/JakobEngel/dso
- 优点：精度高（光照良好时）；特征点分布均匀；支持光度标定。
- 缺点：无闭环检测/全局优化，长期漂移严重；对运动模糊/光照突变极不稳定；视觉惯性扩展需额外修改。
6. RTAB-Map —— 面向长期、大范围机器人应用的SLAM
- 核心思想：基于外观的实时建图，核心是闭环检测（词袋+贝叶斯滤波器）+ 内存管理机制。支持视觉、视觉惯性、激光雷达、RGB-D等多传感器融合。
- 开源地址：https://github.com/introlab/rtabmap
- 优点：
- 直接输出占用栅格地图/OctoMap/点云，可用于机器人导航避障。
- 内存管理使大规模长期运行稳定。
- 闭环检测鲁棒性极强（视角/环境变化容忍度高）。
- ROS集成完善，支持多会话（multi-session）建图。
- 缺点：
- 计算资源消耗较高（闭环检测与地图维护）。
- 视觉里程计部分精度一般（通常低于ORB-SLAM3）。
- 视觉惯性融合为松耦合，精度略逊于VINS。
- 快速运动/剧烈旋转易丢跟踪（需强IMU辅助）。
三、核心对比总表
| 方法 | 流派 | 惯性融合 | 闭环 | 地图形式 | 速度 | 精度（里程计） | 适用场景 | 学习曲线 |
|---|---|---|---|---|---|---|---|---|
| ORB-SLAM3 | 特征点 | ✅ 紧耦合 | ✅ 强大 | 稀疏点云 | 中 | 最高 | 通用，尤其大尺度、长时间 | 较陡 |
| VINS-Mono/Fusion | 特征点 | ✅ 紧耦合 | ✅ 有 | 稀疏点云 | 快 | 高 | 无人机、手持、快速运动 | 中等 |
| SVO 2.0 | 半直接法 | ✅ 紧耦合 | ❌ 无 | 半稠密深度 | 最快 | 中 | 嵌入式、高速飞行 | 中等 |
| LSD-SLAM | 直接法 | ❌ | 弱 | 半稠密深度 | 慢 | 低 | 大尺度室内（旧项目） | 平缓(过时) |
| DSO | 直接法 | ❌ (有扩展) | ❌ 无 | 稀疏+深度 | 快 | 高 | 光照稳定的AR/VR | 平缓 |
| RTAB-Map | 特征点+词袋 | ✅ 支持（松耦合） | ✅极强 | 栅格/OctoMap/点云 | 中 | 中（里程计部分） | 机器人导航、多传感器融合、长期运行 | 中等(ROS友好) |
四、选型建议：你应该用哪一个？
1. 根据应用场景选择
- 需要毫米级定位精度、全局闭环：选ORB-SLAM3（最佳精度，但稀疏地图）。
- 无人机/手持设备，快速运动：选VINS-Mono/Fusion（IMU紧耦合，抗快速旋转）。
- 低功耗嵌入式设备（如树莓派、Jetson）：选SVO 1.0（速度最快，但无闭环）。
- 需要直接输出导航地图（栅格/OctoMap）：首选 RTAB-Map（与ROS Navigation无缝集成）。
- 工厂/仓库等超大环境，长期运行：RTAB-Map的内存管理和多会话建图最合适。
- 光照良好的AR/VR应用，可接受无闭环：DSO（精度高，但漂移）。
- 学习SLAM原理的初学者：从ORB-SLAM3 纯视觉或VINS-Mono 数据集开始。
2. 关键决策点速查
| 核心需求 | 推荐方案 |
|---|---|
| 最高精度 + 闭环 | ORB-SLAM3 |
| 快速运动 + 轻量级惯性融合 | VINS-Mono |
| 极低功耗 + 高速率 | SVO 1.0 |
| 直接输出导航地图 | RTAB-Map |
| 长期大范围建图（无导航需求） | ORB-SLAM3 + 后处理 |
| 多传感器融合（激光+视觉+IMU） | RTAB-Map |
五、新兴趋势
- 基于深度学习的SLAM（如DROID-SLAM、DeepFactors）：通过神经网络估计深度/光流，挑战性环境中表现优异，但计算量大、可解释性差，尚未取代传统方法。
- 语义SLAM（如SemanticFusion）：结合物体识别，增强对环境的高层理解。