??對于ORB-SLAM2整體還是使用基于ORB-SLAM的結構，但對部分細節做了改進，適用面更廣。下圖是ORB-SLAM2的系統結構圖，可以看到和ORB-SLAM的相差不大(區別在于tracking中多了預處理模塊，以及最后有一個全局BA,其余流程沒變)：

??關于和ORB-SLAM相同的部分就不再贅述，詳細的可以參考：ORB-SLAM介紹(無源碼版本)本文主要介紹一下ORB-SLAM2和ORB-SLAM相比的區別：

??1.ORB-SALM完全基于ROS平臺，而ORB-SLAM2提供了ROS的接口，也可以不用ROS
??2.ORB-SLAM2顯示模塊改用pangolin(配環境時要配對應的環境)
??3.ORB-SLAM2比ORB-SLAM1多支持雙目和RGB-D
??4.ORB-SLAM可能有尺度漂移、執行純旋轉時會失敗，ORB-SLAM2支持的雙目或RGB-D將會解決以上問題
??5.增加全局BA，提高建圖精度(發生在回環檢測之后，單起一個線程)
??6.比ORB-SLAM去除了初始化的部分，增加預處理部分(因為可以直接獲取深度信息了)主要是面對雙目和RBG-D，將兩份特征合并為一份來提供更多信息，提高精度。
??7.雙目或者深度的信息使得尺度信息可觀測。幾何校驗和位姿圖優化將不再需要處理尺度漂移，尺度信息是基于剛體變換的，而不是基于相似性，更準確
??8.ORB-SLAM2增加一個定位模式，該模式適用于輕量級以及在地圖已知情況下長期運行，只要那個環境沒有發生劇烈變化。在該模式中，局部建圖和回環檢測的線程中是停用的，并且這個相機始終都是在通過追蹤進行重定位。在這個模式下，追蹤模塊使用視覺里程計進行匹配圖像的點云。視覺里程計匹配在當前幀的ORB算子和由雙目或者深度相機收集的3D點云。這些匹配使得在沒有地圖的區域也能夠精確重新定位，但是漂移將會被累加。地圖點云匹配要確保在一個已經存在的地圖當中零漂移定位

補充說明：

1.預處理的作用

??由上圖的預處理過程圖可知，雙目/RGB-D提取最終都會轉化為單目或者stereo進行處理
??2. 遠/近雙目特征點：看匹配的深度值大于還是小于40被雙目或者RGB-D的基線。小于就是近，大于就是遠。近的特征點能夠從一幀的深度值能夠三角測量化，是精確的估計，并且能夠提供尺度，平移和旋轉的信息。另外一方面，遠的特征點，能夠提供精確的旋轉信息，但是很少的尺度和平移信息。當提供多視圖的時候，我們才能三角化那些遠的點。

參考資料：
ORB-SLAM2原文翻譯：【泡泡機器人翻譯專欄】ORB-SLAM2:一種開源的VSLAM方案

因作者水平有限，如有錯誤之處，請在下方評論區指正，謝謝！

總結

以上是生活随笔為你收集整理的ORB-SLAM2和ORB-SLAM的区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。