超级会员免费看
ORB-SLAM3是一个支持视觉、视觉惯导、混合地图的SLAM系统，适用于单目、双目和RGB-D相机。它引入了首个基于特征的紧耦合VIO系统，依赖MAP估计，提高大场景和小场景的鲁棒性和精度。系统亮点包括高召回率的场景重识别算法和混合地图，允许长期数据关联，改善了长期运行和地图融合的准确性。此外，ORB-SLAM3提供针孔和鱼眼相机模型的抽象，实现了独立于相机模型的重定位。该系统在EuRoC和TUM-VI数据集上表现出高精度，并已开源。
点击上方“3D视觉工坊”，选择“星标”
干货第一时间送达
摘要
ORB-SLAM3是一个支持视觉、视觉加惯导、混合地图的SLAM系统，可以在单目，双目和RGB-D相机上利用针孔或者鱼眼模型运行。
他是第一个基于特征的紧耦合的VIO系统，仅依赖于最大后验估计(包括IMU在初始化时)。这样一个系统的效果就是：不管是在大场景还是小场景，室内还是室外都能鲁棒实时的运行，在精度上相比于上一版提升了2到5倍。本文的第二个创新点是根据改进recall的新的重定位模块来构建的混合地图，因为这个模块他可以让ORB-SLAM3在特征不是很好的场景中长期运行：当里程计失败的时候，系统会重新构建地图并将这个地图和原来构建的地图对齐。和那些仅利用最新的几帧数据的里程计相比，ORB-SLAM3是第一个能够在所有算法阶段重用所有先前信息的系统。这样的机制就可以在BA的时候用有共视关系的关键帧，即使两帧在时间相差很远，或者来自原来的建图过程。
这个系统在EuRoC数据集上达到了平均3.6cm的精度，在TUM-VI这种利用手持设备快速移动的数据集(AR/VR场景)上达到了9mm的精度。作者已经开源了代码：ht
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
