RTAB-Map：面向大规模长期在线运行的开源视觉与激光 SLAM 框架【文献解读】

文献：RTAB-Map as an Open-Source Lidar and Visual SLAM Library for Large-Scale and Long-Term Online Operation
作者：Mathieu Labbé, François Michaud
单位：Interdisciplinary Institute of Technological Innovation (3IT), Department of Electrical Engineering and Computer Engineering, Université de Sherbrooke, Canada
期刊：Journal of Field Robotics, Vol. 36, No. 2, pp. 416–446, 2019
论文 PDF：https://arxiv.org/pdf/2403.06341
项目主页：https://introlab.github.io/rtabmap/
RTAB-Map 核心库：https://github.com/introlab/rtabmap
ROS/ROS 2 接口：https://github.com/introlab/rtabmap_ros

摘要

本文系统介绍了 RTAB-Map 从“基于外观的回环检测模块”发展为完整图优化 SLAM 框架的过程。它并不是只针对某一种相机或某一种激光雷达设计，而是将 RGB-D、双目相机、二维激光、三维点云、轮式里程计和 IMU 等信息统一接入同一套图优化后端，并提供视觉里程计、激光里程计、回环检测、邻近检测、图优化、二维/三维占据栅格生成、多会话建图和长期记忆管理等功能。

论文的核心价值不在于提出一个单独的新特征点或新优化公式，而在于解决真实机器人长期运行时的系统性问题：如何让不同传感器配置能够在同一框架中公平比较，如何在地图规模持续增长时保持在线计算时间可控，以及如何直接输出可供机器人导航使用的二维/三维地图。 作者在 KITTI、TUM RGB-D、EuRoC 和 MIT Stata Center 数据集上，对视觉、视觉惯性、二维激光和三维激光配置进行了统一评测，进一步总结了不同传感器在精度、实时性、地图质量和工程部署方面的优缺点。

---

1. 论文解决的关键科学问题与技术挑战

1.1 大规模与长期运行下的实时性退化

图优化 SLAM 的地图通常由位姿节点和约束边构成。随着机器人持续运行，节点数量不断增加，回环候选检索、邻近检测、图优化和全局地图重建的计算量都会增长。如果单次更新耗时超过传感器输入周期，就会产生数据积压、地图延迟甚至影响导航安全。

因此，论文关注的不是一般意义上的“平均帧率”，而是更严格的工程约束：

• 每次 SLAM 更新必须尽量在固定时间上限内完成；
• 地图规模增长后，算法仍能持续在线运行；
• SLAM 不能长期占满计算资源，必须为规划、避障和控制模块保留计算余量。

1.2 单一传感器的退化与里程计失效

视觉和激光各自存在典型退化场景：

• 相机容易受到弱纹理、白墙、黑暗、曝光变化、遮挡、运动模糊和动态物体影响；
• 短距离激光在长直走廊、开阔空间或几何结构单一环境中，沿不可观方向容易产生漂移；
• 仅依赖轮式里程计时，打滑、原地转向和轮径误差会带来累计漂移；
• 仅依赖局部里程计无法长期保证全局一致性，仍需要回环约束修正误差。

论文希望通过可替换的里程计前端和统一的图优化后端，让视觉、激光及本体传感器相互补充，而不是将系统绑定在某一种传感器上。

1.3 回环检测的鲁棒性与错误约束抑制

回环检测能够显著修正累计漂移，但错误回环会对整张地图造成破坏。重复走廊、相似房间、光照变化和动态环境都可能产生错误外观匹配。

RTAB-Map 因此采用多级验证：

1. 基于词袋模型生成回环候选；
2. 使用贝叶斯滤波器累计回环概率；
3. 利用 PnP-RANSAC 进行几何验证；
4. 存在激光数据时再用 ICP 精化约束；
5. 图优化后检查新约束引起的误差变化，异常时拒绝该回环。

1.4 面向导航的地图输出问题

许多视觉 SLAM 系统主要输出稀疏特征点和相机位姿，但实际机器人导航通常需要：

• 二维占据栅格，用于全局规划和局部避障；
• 三维占据地图或 OctoMap，用于三维碰撞检测；
• 稠密点云，用于环境重建、调试和感知模块；
• 标准 ROS TF 变换，用于统一 map、odom、base_link 和传感器坐标系。

本文的重要目标之一，是让视觉 SLAM 也能像传统二维激光 SLAM 一样，直接生成可用于导航的地图产品。

1.5 多会话建图与初始位置未知

机器人重启后，通常不知道自己在历史地图中的初始位置。RTAB-Map 支持先建立一个新的独立会话，待机器人再次观察到历史位置后，通过回环约束自动求得两个会话之间的坐标变换并合并地图。这可以避免每次重启都重新建图，也适合在已有地图上增量扩展新区域。

1.6 视觉 SLAM 与激光 SLAM缺少统一比较平台

不同 SLAM 方法往往使用不同数据集、不同传感器、不同输入频率和不同输出形式，导致视觉与激光方法难以直接比较。本文把多种视觉和激光里程计接入同一个 RTAB-Map 后端，在相同的数据、图优化流程和地图输出条件下进行评测，使比较更接近真实机器人系统的工程需求。

---

2. RTAB-Map 总体架构与技术路线

RTAB-Map 是一种模块化图优化 SLAM。其数据流可概括为：

多传感器输入与 TF
        ↓
时间同步与坐标变换
        ↓
视觉/激光/轮式-惯性里程计
        ↓
STM 创建节点和局部占据栅格
        ↓
回环检测 + 邻近检测
        ↓
位姿图优化
        ↓
二维栅格 / OctoMap / 稠密点云 / TF 修正
        ↓
WM-LTM 记忆管理保证长期在线运行

图 1 RTAB-Map 总体系统架构：多传感器输入、图优化、记忆管理与地图输出

图中的地图由节点和边组成：

• 节点保存机器人位姿、原始或压缩传感器数据、视觉词袋、局部占据栅格等；
• 相邻边由连续帧之间的里程计变换产生；
• 回环边由外观回环检测和几何验证产生；
• 邻近边由当前位置附近的激光扫描匹配产生；
• 所有边共同作为图优化约束，优化结果通过 map→odom 修正机器人全局位姿。

这一架构最关键的设计是：里程计前端与地图后端解耦。 RTAB-Map 不强制使用某一种里程计，只要外部模块能够输出标准位姿和 TF，就可以作为 SLAM 前端输入。因此，它既可以组成视觉 SLAM，也可以组成激光 SLAM，还可以使用轮式里程计、视觉惯性里程计或其他第三方里程计。

---

3. 核心算法原理

3.1 图优化 SLAM 基本模型

设机器人在节点 $i$ 的位姿为 ${\mathbf{X}}_i\in SE(3)$，传感器或里程计给出的节点 $i$ 到节点 $j$ 的相对观测为 ${\mathbf{Z}}_{ij}$。对应的约束残差可写为：

$${\mathbf{e}}_{ij}(\mathbf{X})=\mathrm{Log}\left({\mathbf{Z}}_{ij}^{-1}\left({\mathbf{X}}_i^{-1}{\mathbf{X}}_j\right)\right)$$

整个位姿图优化问题为：

$${\mathbf{X}}^{\ast }=\arg \underset{\mathbf{X}}{\min }\sum _{(i,j)\in \mathcal{E}}{\mathbf{e}}_{ij}^T{\mathbf{\Omega }}_{ij}{\mathbf{e}}_{ij}$$

其中，${\mathbf{\Omega }}_{ij}$ 是观测信息矩阵。RTAB-Map 集成了 TORO、g2o 和 GTSAM。论文测试版本默认使用 GTSAM，因为它在单会话六自由度地图中具有较好的优化质量，并且相较 g2o 对多会话图合并略稳健。

图优化并不会凭空消除误差，它依赖高质量约束：

• 相邻约束决定局部轨迹连续性；
• 回环约束负责消除长期累计漂移；
• 邻近约束增强几何重复区域的局部一致性；
• 协方差或信息矩阵决定不同约束在优化中的权重。

3.2 视觉里程计：F2F 与 F2M

RTAB-Map 提供两种标准视觉里程计模式：

• Frame-To-Frame（F2F）：当前帧与最近关键帧匹配；
• Frame-To-Map（F2M）：当前帧与多个历史关键帧构成的局部特征地图匹配。

图 2 RGB-D/双目视觉里程计流程：F2F 与 F2M 两种匹配方式

视觉里程计的主要步骤如下。

（1）特征检测与深度获取

系统默认使用 GFTT 检测角点。对于 RGB-D 相机，深度图直接提供特征点深度；对于双目相机，通过 Lucas-Kanade 光流搜索左右图像对应点并计算视差。

（2）特征匹配

• F2F 主要使用光流在当前帧和关键帧之间跟踪特征，计算较快；
• F2M 使用 BRIEF 描述子、最近邻搜索和 NNDR 检验，将当前帧特征与局部特征地图匹配，通常更稳定，但计算量更大。

NNDR 的基本形式为：

$$\frac{d_1}{d_2}<{\tau }_{\text{NNDR}}$$

其中 $d_1$ 和 $d_2$ 分别是最近邻和次近邻描述子距离。该检验用于剔除歧义匹配。

（3）运动预测

系统根据上一时刻运动采用常速度模型预测特征搜索区域，减少重复纹理和动态物体造成的误匹配。如果基于预测未能求得有效位姿，系统会扩大搜索范围并重新匹配。

（4）PnP-RANSAC 位姿估计

利用二维图像点与三维地图点之间的对应关系求解当前相机位姿。RANSAC 用于剔除外点，只有内点数量超过 Vis/MinInliers 时才接受该变换。

（5）局部束调整

求得初始位姿后，对相机位姿和局部三维特征进行优化：

min⁡T,{Pk}∑kρ(∥uk−π(TPk)∥2) \min_{\mathbf{T},\{\mathbf{P}_k\}} \sum_k \rho\left( \left\| \mathbf{u}_k-\pi(\mathbf{T}\mathbf{P}_k) \right\|^2 \right) T,{Pk​}min​k∑​ρ(∥uk​−π(TPk​)∥2)

其中 $\pi (\cdot )$ 为相机投影模型，$\rho (\cdot )$ 为鲁棒核函数。F2M 会对局部特征地图中的多个关键帧进行优化，因此通常比 F2F 更抗快速旋转和短时特征丢失。

（6）关键帧与局部地图维护

当有效内点比例低于 Odom/KeyFrameThr 时更新关键帧。F2M 的局部特征地图设有最大容量 OdomF2M/MaxSize，超出后删除较旧且当前未匹配的特征，从而避免前端计算量无限增长。

（7）跟踪失败处理

若重新匹配后仍无法获得有效变换，则输出无效位姿并将协方差设为很大值，使下游模块能够识别里程计丢失。视觉里程计后续可以在重新观察到足够特征时恢复。

3.3 激光里程计：S2S 与 S2M

激光里程计对应视觉前端的两种模式：

• Scan-To-Scan（S2S）：当前扫描与上一关键扫描配准；
• Scan-To-Map（S2M）：当前扫描与局部点云地图配准。

图 3 激光里程计流程：S2S、S2M、运动预测与 ICP 配准

（1）点云滤波与法向量估计

输入二维激光或三维点云先进行降采样，并转换到机器人基座坐标系。点到平面 ICP 还需要估计点云法向量。

（2）ICP 配准

点到点 ICP 的目标函数为：

$${\mathbf{T}}^{\ast }=\arg \underset{\mathbf{T}}{\min }\sum _i{\Vert {\mathbf{q}}_i-\mathbf{T}{\mathbf{p}}_i\Vert }^2$$

点到平面 ICP 为：

$${\mathbf{T}}^{\ast }=\arg \underset{\mathbf{T}}{\min }\sum _i{\left[{\mathbf{n}}_i^T\left({\mathbf{q}}_i-\mathbf{T}{\mathbf{p}}_i\right)\right]}^2$$

在人造室内环境中，墙面和地面等平面较多，点到平面 ICP 通常收敛更快；在树林等缺少规则平面的场景中，点到点 ICP 可能更合适。

（3）初值与退化处理

ICP 对初值敏感。RTAB-Map 可以使用：

• 上一帧相对运动构成的常速度预测；
• 轮式里程计或其他外部里程计作为初值。

论文特别讨论了长直走廊退化问题：若激光只能看到两条平行墙面，ICP 能约束横向位置和航向，但难以准确估计沿走廊方向的位移。RTAB-Map 根据点云法向量 PCA 的特征值评估几何复杂度；当结构复杂度低于阈值时，部分不可观方向由外部里程计提供。

（4）关键帧与点云地图更新

S2S 根据扫描重叠率决定是否替换关键帧；S2M 先从新扫描中减去局部地图内已有点，再加入剩余点，并限制地图最大点数。S2M 通常比 S2S 更稳定，但计算量更高。

3.4 多传感器时间同步与 TF 管理

RTAB-Map 支持 RGB-D、双目、二维激光、三维点云、里程计和用户数据等多类输入。不同传感器频率和时间戳不同，因此需要：

• 同一硬件内部的数据使用精确同步，例如双目左右图像；
• 不同传感器之间使用近似同步，例如 RGB-D、激光和轮式里程计；
• 通过 rgbd_sync 将相机内部消息先合成为统一 RGB-D 消息，再与其他传感器同步；
• 通过 TF 明确 base_link 与各传感器坐标系之间的外参。

这一部分看似属于工程实现，但错误的时间同步和外参会直接造成尺度误差、运动估计错误和地图重影，是实际部署中的关键环节。

3.5 STM、WM 与 LTM 三级记忆结构

RTAB-Map 的长期运行能力来自记忆管理机制。其内存结构包括：

• STM（Short-Term Memory）：保存最新节点，避免相邻帧被误认为全局回环；
• WM（Working Memory）：当前参与回环检索、邻近检测和地图组装的活动节点；
• LTM（Long-Term Memory）：暂时不参与在线计算、但保存在数据库中的历史节点。

每个新节点会根据与上一节点的外观相似度进行“排练”处理。若连续观测高度相似，则合并权重并减少冗余节点。超过时间阈值 Rtabmap/TimeThr 或节点阈值 Rtabmap/MemoryThr 后，系统优先把权重较低且较旧的节点转移到 LTM。

当机器人在 WM 中检测到历史回环时，与该位置相邻的 LTM 节点会重新调入 WM。这样，系统并非一次性把整张历史地图加载进内存，而是随着机器人重新进入旧区域逐步“回忆”附近节点。

该机制实现了两个目标：

1. 在线模块只处理有限规模的活动图，控制更新时间；
2. 历史信息并未删除，仍可用于多会话定位和最终离线地图恢复。

3.6 基于词袋的回环检测

RTAB-Map 使用增量视觉词典构建词袋表示。图像特征首先量化为视觉单词，再通过 TF-IDF 衡量当前节点与 WM 中历史节点的相似性。

一个视觉单词 $w$ 在节点 $i$ 中的 TF-IDF 权重可表示为：

$$\mathrm{tfidf}(w,i)=\mathrm{tf}(w,i)\log \frac{N}{n_w}$$

其中 $N$ 是 WM 中节点总数，$n_w$ 是包含视觉单词 $w$ 的节点数量。频繁出现在多数图像中的视觉单词区分度较低，而只在少数地点出现的单词权重更高。

候选相似度随后输入贝叶斯滤波器，估计“当前位置属于历史地点”还是“新地点”。当回环概率超过 Rtabmap/LoopThr 后，再进行几何验证。存在激光数据时，视觉估计得到的回环变换还会由 ICP 进一步精化。

需要注意：本文版本的全局回环候选生成仍主要依赖相机。没有相机时可以输入空图像，并仅依赖激光邻近检测进行地图修正，但这不等价于具备完整的激光全局地点识别能力。

3.7 邻近检测

邻近检测不依赖全局外观检索，而是在当前位姿附近的图节点中寻找可由激光扫描配准的节点。它特别适合：

• 机器人从相反方向重新经过同一走廊；
• 相机视角差异过大导致视觉回环失败；
• 需要利用局部几何约束加强图的一致性。

候选范围由 RGBD/ProximityMaxGraphDepth 限制，从而使计算量与局部邻域规模有关，而不是随整张地图线性增长。

3.8 错误回环拒绝与鲁棒图优化

新回环加入图后，RTAB-Map 检查优化前后该约束的位姿变化。如果变化超过平移方差乘以 RGBD/OptimizeMaxError，说明新约束与现有图严重冲突，系统会拒绝该节点新加入的回环边和邻近边。

这一机制不是完整的最大一致集或动态协方差缩放方法，但能够在重复场景下提供一层实用的错误回环保护。

3.9 局部占据栅格生成

每个 STM 节点可预先计算局部占据栅格。这样在发生回环、全局节点位姿被重新优化后，无需重新处理所有原始传感器数据，只需要按新位姿重新拼接局部地图。

图 4 根据深度图、激光和参数配置生成二维或三维局部占据栅格

主要过程包括：

1. 深度图或双目视差投影为三维点云；
2. 体素滤波降低点数；
3. 根据法向量与竖直方向夹角分割地面和障碍物；
4. 需要二维地图时，将三维点投影到地面平面；
5. 使用二维或三维射线追踪标记传感器与障碍物之间的空闲区域；
6. 三维射线追踪结果可保存为 OctoMap。

二维局部栅格占用内存更小、生成更快，但无法恢复完整三维地图。三维局部栅格可同时生成二维地图、三维地图和点云，代价是更高的存储与计算开销。

3.10 全局地图组装

图 5 从局部二维/三维栅格生成二维栅格、OctoMap 和点云

每个局部地图根据优化后的节点位姿变换到 map 坐标系并合并。发生回环后，需要根据全部新位姿重新生成全局地图，以恢复此前由于位姿误差而被错误清除或错误叠加的障碍物。

输出包括：

• /grid_map：二维占据栅格；
• /octomap_grid：由 OctoMap 投影得到的二维栅格；
• /octomap：三维占据地图；
• /cloud_map：二维/三维稠密点云；
• /cloud_obstacles：障碍物点云；
• /cloud_ground：地面点云。

---

4. 实验设计

4.1 实验数据集与评测目的

数据集	主要传感器	典型场景	主要评测内容
KITTI	双目相机、Velodyne 64 线激光	室外车辆、大尺度道路、高速运动	双目与三维激光里程计精度、运行时间
TUM RGB-D	Kinect RGB-D	手持室内、小尺度办公室	RGB-D 里程计、深度误差与快速旋转影响
EuRoC	双目相机、IMU	无人机、室内快速运动	视觉与视觉惯性里程计、运动模糊鲁棒性
MIT Stata Center	双目、RGB-D、二维激光、轮速与 IMU	PR2 室内机器人、在线 ROS 回放	多传感器在线比较、多会话、地图质量和长期运行

前三个数据集采用离线处理，并在单 CPU 核上统计前端耗时；MIT 数据集以 ROS 原始频率在线回放，更接近实际机器人运行。为公平比较轨迹精度，轨迹评测阶段关闭 RTAB-Map 的记忆裁剪机制，使完整图始终参与优化。

4.2 轨迹误差指标

论文主要使用绝对轨迹误差 ATE。设估计位姿为 ${\mathbf{P}}_i$，真值位姿为 ${\mathbf{Q}}_i$，经过坐标对齐后的误差为：

$${\mathbf{E}}_i={\mathbf{Q}}_i^{-1}\mathbf{S}{\mathbf{P}}_i$$

则 ATE 的均方根为：

$${\mathrm{ATE}}_{\mathrm{RMSE}}=\sqrt{\frac{1}{N}\sum _{i=1}^N{\Vert \mathrm{trans}({\mathbf{E}}_i)\Vert }^2}$$

其中 $\mathbf{S}$ 是轨迹对齐变换。由于部分双目相机标定和 RGB-D 深度存在尺度偏差，论文对视觉轨迹额外进行尺度校正，以尽量把算法误差与传感器标定误差分开。

在 MIT 在线导航实验中，论文还关注：

• ${\mathrm{ATE}}_{end}$：序列结束时的误差；
• ${\mathrm{ATE}}_{max}$：运行过程中出现的最大误差。

对于导航，${\mathrm{ATE}}_{max}$ 往往比最终误差更重要。即使最终通过回环把地图拉回正确位置，机器人在回环发生前若已经漂移数米，仍可能无法安全规划到历史位置。

---

5. 实验结果与分析

5.1 KITTI：双目与三维激光对比

KITTI 同时提供同步双目图像和 Velodyne 点云，适合比较视觉与三维激光方案。

主要结论如下：

1. ORB2-RTAB 精度较高，但计算开销较大。 在 RTAB-Map 的视觉前端中，ORB2-RTAB 在 11 个序列中的 10 个序列取得较优的平均平移误差，但单核平均耗时约 175 ms，难以满足 10 Hz 严格实时处理。
2. F2M 是精度与计算量之间更均衡的方案。 F2M 单核平均耗时约 82 ms，KITTI 测试榜平移误差约 1.26%，旋转误差约 $0.0026deg/m$，与同时期 ORB-SLAM2 和 LSD-SLAM 接近。
3. S2S 比 S2M 更快。 两者在多数序列精度接近，S2S 平均约 62 ms，S2M 约 82 ms，因此计算资源有限时可优先考虑 S2S。
4. 激光并非所有场景都占优。 在高速公路序列 01 中，环境几何结构单一，三维激光对俯仰角估计较差；视觉特征可以覆盖更远区域，反而能够更好约束俯仰方向。
5. 几何特征提取有助于提升激光里程计。 原始 LOAM 的结果整体优于仅使用通用 ICP 的 S2S/S2M，说明边缘和平面特征能够改善点云运动估计。

5.2 TUM RGB-D：深度误差与同步问题

TUM 数据集中，ORB2-RTAB 在 7 个序列中的 6 个取得 RTAB-Map 前端内的最佳结果，F2M 次之。

实验揭示了 RGB-D 方案的两个实际问题：

• 相机快速运动时，RGB 与深度图不同步会导致图像特征绑定错误深度；
• 距离较远时，RGB-D 深度误差增大，会影响三维特征位置和 PnP 估计。

ORB2-RTAB 通过局部地图和多帧三角化不断修正特征三维位置，因此对错误初始深度相对不敏感。完整 ORB-SLAM2 在某些序列中仍优于 ORB2-RTAB，主要原因是 ORB-SLAM2 在回环后执行全局束调整，而 RTAB-Map 后端主要优化节点之间的位姿约束。

5.3 EuRoC：高速运动下 IMU 的价值

EuRoC 包含无人机快速运动、运动模糊和左右相机曝光差异。论文在双目处理前加入曝光补偿。

主要结果：

• ORB2-RTAB 在 11 个序列中的 6 个取得 RTAB-Map 前端内较好结果，但计算量较高；
• V2-03-difficult 中存在高速运动和明显运动模糊，纯视觉方法容易中断；
• OKVIS 和 MSCKF 是测试中能够完整跟踪该困难序列的方案，说明 IMU 在视觉短时失效时能够提供关键运动约束；
• F2F、Fovis 和 MSCKF 具有较好的实时性，但快速并不必然代表最终精度最高。

该实验说明：对于无人机、四足机器人或高速运动平台，纯视觉前端可能无法只靠增加特征点数量解决运动模糊问题，加入 IMU 通常比单纯提高图像匹配复杂度更有效。

5.4 MIT Stata Center：真实机器人在线与多会话实验

该数据集同时包含二维长距离激光、双目、RGB-D、轮式里程计和 IMU。论文还把 30 m 激光裁剪为 5.6 m，以模拟低成本短距离激光。

在二维激光 SLAM 对比中，WheelIMU→S2M + RTAB-Map 与 Cartographer、GMapping、Karto SLAM 和 Hector SLAM 进行了比较。

激光配置	方法	序列 12-14-25 ATEend / ATEmax	序列 12-33-29 ATEend / ATEmax
长距离	RTAB-Map WheelIMU→S2M	0.05 / 0.05 m	0.08 / 0.09 m
长距离	Cartographer	0.11 / 0.11 m	0.10 / 0.12 m
短距离	RTAB-Map WheelIMU→S2M	0.07 / 0.08 m	0.09 / 0.10 m
短距离	Cartographer	0.45 / 0.52 m	0.32 / 0.47 m
短距离	Hector SLAM	4.59 / 4.59 m	5.53 / 5.53 m

结果说明：

• 长距离激光能够观察更多几何结构，即使不依赖很强的外部里程计也较稳定；
• 短距离激光在长走廊中容易出现几何退化；
• Wheel+IMU 提供运动初值后，S2M 能显著抑制退化方向漂移；
• Hector SLAM 不使用外部里程计，在短距离激光走廊场景中出现明显发散。

图 6 MIT Stata Center 多会话地图及图约束示例

5.5 不同传感器的地图质量与计算开销

论文不仅比较定位精度，还比较局部/全局占据栅格生成时间。

主要规律如下：

1. 二维激光生成二维栅格最快。 局部栅格生成约 1–4 ms，数据量小且无需深度投影和地面分割。
2. RGB-D 比双目更容易生成稠密地图。 RGB-D 可直接使用深度图；双目还需计算稠密视差，约增加 10 ms 左右。
3. 二维射线追踪代价低，但可能错误清除障碍。 当相机安装较高且看不到桌腿或障碍物底部时，二维射线可能把真实障碍后的区域误标为空闲。
4. 三维射线追踪更安全，但计算开销显著。 OctoMap 重建在回环后可能达到秒级，特别是高分辨率深度点云。
5. 激光地图几何边界通常最清晰，但只能感知扫描平面高度上的障碍。 RGB-D 可以观察桌面、椅子等非扫描平面障碍；双目具有更大视场，但在无纹理地面和墙面处深度稀疏、噪声较大。

因此，地图形式应根据任务选择，而不是默认追求最高维度：

• 仅做平面导航时，二维局部/全局栅格更高效；
• 需要识别悬空障碍或复杂三维结构时，才使用三维局部栅格和 OctoMap；
• 静态环境若不需要清除动态障碍，可关闭三维射线追踪以节省大量计算。

5.6 记忆管理实验

两段 MIT 数据被连续回放，形成包含两个会话的大规模实验。地图更新频率为 2 Hz，即每次更新最多允许约 500 ms。

不使用记忆管理时，随着节点数量增加，回环检测、邻近检测、图优化和全局地图组装时间逐步增长，部分更新超过实时上限。使用 Rtabmap/MemoryThr=300 后，系统把低权重历史节点转移到 LTM，活动图规模受到限制。

图 7 使用记忆管理后的 RTAB-Map 模块耗时，虚线为 2 Hz 实时约束

实验结果表明：

• WM 与 LTM 之间节点转移带来平均约 52 ms 的额外开销；
• 依赖图规模的其他模块耗时明显下降，整个实验能够满足 2 Hz 实时约束；
• 使用记忆管理时，在线地图只显示机器人附近和当前被“回忆”的历史区域，而不是始终显示完整环境；
• 在线结束后可以从 LTM 恢复全部节点并生成完整地图；
• 使用与不使用记忆管理的最终 ATE 均约为 12 cm，说明计算裁剪没有明显破坏最终轨迹精度。

这一结果体现了 RTAB-Map 的核心思想：长期在线运行不是无限加速完整全局计算，而是把当前导航需要的局部知识保留在 WM，把暂时不需要的历史信息移入 LTM。

---

6. 论文的主要创新点与学术贡献

6.1 构建统一的视觉—激光图优化 SLAM 框架

RTAB-Map 把视觉里程计、视觉惯性里程计、激光里程计、轮式里程计和第三方前端统一为标准里程计输入，使同一后端既能组成视觉 SLAM，也能组成激光 SLAM或多传感器系统。这种前后端解耦显著提高了算法复用性和对比实验的公平性。

6.2 提出面向长期在线运行的记忆管理机制

STM-WM-LTM 结构通过节点重要性、时间阈值和内存阈值控制活动图规模，使回环检测和地图更新在大规模运行中保持有界。与简单删除旧关键帧不同，LTM 中的节点仍保存在数据库中，并可在重访旧区域时动态恢复。

6.3 将多传感器同步、TF 与导航地图输出纳入完整 SLAM 系统

论文不仅关注轨迹精度，还解决真实机器人所需的 ROS 坐标变换、消息同步、二维/三维占据地图、点云输出、地图保存和定位模式切换。这使 RTAB-Map 从研究原型变成可直接接入导航栈的系统级工具。

6.4 统一比较视觉与激光 SLAM 的精度、实时性和地图质量

作者在四类数据集上使用统一后端比较多种前端配置，不仅报告 ATE，还分析：

• 计算时间和内存占用；
• 视觉弱纹理、运动模糊和深度误差；
• 激光走廊退化和量程影响；
• 二维/三维射线追踪的地图质量；
• 多会话合并和长期运行实时性。

这种评测比单纯给出轨迹排行榜更接近自主导航系统的实际需求。

6.5 提供可执行的传感器选择与系统配置原则

论文形成了较明确的工程结论：

• 除非使用长距离激光，否则应提供轮式里程计或 IMU 等本体里程计；
• 短距离激光和相机都可能在特征不足区域退化，但退化类型不同；
• 高动态平台应优先考虑视觉惯性里程计；
• 平面导航不应盲目使用高开销三维地图；
• 长期运行必须限制活动图规模，而不是仅依赖更强硬件。

6.6 开源和可复现性贡献

RTAB-Map 以 C++ 库、独立程序和 ROS 包形式公开，集成多种第三方里程计和图优化库。论文中的系统结构、关键参数、数据集和比较方法较为完整，具有较高的工程复现价值。

---

7. 方法局限性与批判性分析

7.1 视觉与激光仍属于松耦合关系

本文版本通常先通过视觉获得回环或定位变换，再用激光 ICP 精化。如果视觉几何验证失败，激光并不能独立完成对应的全局回环。作者也将视觉—激光更紧密耦合作为后续研究方向。

7.2 全局回环检测仍依赖视觉词袋

即使系统运行在“激光 SLAM”模式，全局地点识别主要仍由相机外观完成。纯激光配置只能依赖局部邻近检测，适合漂移较小、环境规模有限的情况，但难以替代真正的激光全局地点识别描述子。

7.3 动态环境处理能力有限

系统通过 RANSAC、运动预测和错误回环检查降低动态物体影响，但没有显式进行动态目标检测和静态/动态地图分离。行人或可移动物体可能在点云和占据栅格中留下伪影，需要额外语义分割或动态物体过滤模块。

7.4 精度比较受到标定与尺度校正影响

论文对部分双目基线和 RGB-D 深度进行了尺度修正，并在视觉轨迹评测中进行尺度对齐。这有助于减少数据集标定误差影响，但也意味着结果并非完全等同于未经校正的端到端部署表现。实际系统仍需认真完成内参、外参和时间同步标定。

7.5 完整地图实时性与局部在线地图之间存在取舍

记忆管理保证了实时性，但在线 WM 地图可能只覆盖机器人附近区域。需要全局显示、全局规划或远距离任务分配时，应确认被规划区域是否已从 LTM 调入，或者使用独立的全局地图服务。

7.6 论文对比算法具有时代背景

论文正式发表于 2019 年，主要比较 ORB-SLAM2、LOAM、Cartographer、GMapping、Karto、Hector SLAM、OKVIS、MSCKF 等当时常用方法。其系统设计和工程结论仍有参考价值，但不能直接代表当前 RTAB-Map、ORB-SLAM3、FAST-LIO2、LIO-SAM、VINS-Fusion 等新版本或新算法之间的最新性能排名。

7.7 ORB2-RTAB 内存问题属于当时集成版本现象

论文指出，当时把 ORB-SLAM2 作为里程计前端并限制局部地图大小时，特征删除后内存未完全释放，导致 RAM 持续增长。该结论应理解为论文测试版本的实现问题，而不是对所有后续版本的永久判断。

---

8. 面向实际机器人的配置建议

8.1 室内轮式机器人与长走廊

推荐配置：

轮式里程计 + IMU
        ↓
S2M 二维激光里程计
        ↓
相机外观回环 + 激光 ICP 精化
        ↓
二维占据栅格

外部里程计可补偿短距离激光在走廊方向上的退化，相机用于全局回环，二维栅格直接接入导航栈。

8.2 低成本 RGB-D 机器人

RGB-D 可以同时用于视觉里程计、回环和稠密地图，但不宜在弱纹理走廊中只依赖视觉里程计。更稳妥的方案是使用轮式里程计作为基础运动估计，RGB-D 负责回环和障碍物补充。

8.3 双目室外移动平台

F2M 在精度和计算量之间较均衡；高速或强振动平台应加入 IMU，并使用视觉惯性前端。需要注意双目曝光一致性、时间同步和基线标定。

8.4 三维建图与避障

若目标是三维重建、悬空障碍检测或无人机导航，可保存三维局部栅格并生成 OctoMap。但必须评估回环后全图重建耗时。静态环境可关闭射线追踪，动态环境则需要更谨慎的三维空闲空间更新。

8.5 长时间运行

应根据机器人速度和传感器量程设置：

• Rtabmap/DetectionRate：保证相邻节点数据有足够重叠；
• Rtabmap/TimeThr：限制单次更新耗时；
• Rtabmap/MemoryThr：限制 WM 节点数量；
• Mem/STMSize：避免最近相邻帧参与全局回环；
• Mem/RehearsalSimilarity：抑制停留或缓慢运动产生的冗余节点。

参数不能孤立设置。例如提高建图频率会增加节点重叠和回环机会，但也会更快消耗内存并增加图优化负担。

---

9. RTAB-Map 与 ORB-SLAM2 的关系

两者并不是完全相同层级的工具：

• ORB-SLAM2 是以 ORB 特征、局部地图、回环和束调整为核心的视觉 SLAM 系统；
• RTAB-Map 是可接入多种里程计前端、支持视觉和激光、能够输出二维/三维占据地图并进行长期记忆管理的完整框架。

论文中的 ORB2-RTAB 配置关闭了 ORB-SLAM2 自身的全局回环，把其跟踪和局部地图部分作为视觉里程计输入，再由 RTAB-Map 负责回环、位姿图优化和地图生成。因此，ORB-SLAM2 可以成为 RTAB-Map 的一种前端，而 RTAB-Map 不能简单理解为“另一个 ORB-SLAM2”。

对于只需要相机轨迹和稀疏视觉地图的任务，ORB-SLAM 系列通常更专注；对于需要 ROS 导航、多传感器切换、二维/三维占据地图、多会话和长期在线运行的移动机器人，RTAB-Map 的系统完整性更有优势。

---

10. 总结

这篇论文的核心结论可以概括为：

RTAB-Map 通过“可替换里程计前端 + 外观回环与邻近检测 + 位姿图优化 + 二维/三维地图组装 + STM/WM/LTM 记忆管理”，把视觉 SLAM、激光 SLAM 和机器人导航所需的工程功能统一到同一个开源框架中。

它最具研究价值的部分不是某一个单独算法模块，而是围绕真实机器人长期自主运行构建出的完整技术闭环：

1. 利用视觉、激光和本体传感器组合降低局部里程计退化；
2. 利用回环与图优化维持全局一致性；
3. 利用局部占据栅格支持二维和三维地图快速重建；
4. 利用多会话机制实现重启后的地图续建与合并；
5. 利用 WM-LTM 记忆管理控制活动图规模，保证长期在线计算可控；
6. 通过统一数据集和真实 ROS 回放揭示不同传感器配置的实际优缺点。

因此，RTAB-Map 更适合被理解为一个模块化、多传感器、面向导航和长期运行的图优化 SLAM 平台，而不仅是一个基于 RGB-D 相机的建图算法。

---

参考链接

1. 论文主页：https://arxiv.org/abs/2403.06341
2. 正式论文：https://doi.org/10.1002/rob.21831
3. RTAB-Map 官网：https://introlab.github.io/rtabmap/
4. RTAB-Map 核心库：https://github.com/introlab/rtabmap
5. RTAB-Map ROS/ROS 2：https://github.com/introlab/rtabmap_ros