【SLAM】开源 | ORB-SLAM3 重磅来袭！！时隔四年，精度提高2到5倍，性能由于VINS-Mono

论文地址：https://arxiv.org/abs/2007.11898 代码：https://github.com/UZ-SLAMLab/ORB_SLAM3 来源：萨拉戈萨大学 论文名称：ORB-SLAM3: An Accurate Open-Source Library for Visual,Visual-Inertial and Multi-Map SLAM 原文作者：Carlos Campos

本文介绍了第一个能够使用单眼、立体和RGB-D相机，使用针孔镜头和鱼眼镜头模型进行视觉、视觉惯性和multi-map SLAM的系统——ORB-SLAM3系统。下面是本文两个主要创新点。

第一、主要的创新点是一个基于特征的紧密集成的视觉惯性SLAM系统，它完全依赖最大后验(MAP)估计，即使在IMU初始化阶段也是如此。该系统可以在大大小小的、室内和室外环境中实时运行，并且比原有方法精确2到5倍。

第二、主要的创新点是一个多地图系统，它依赖于一种新的位置识别方法和改进的召回。基于此ORB-SLAM3能够长时间的在视觉信息不完善的情况下存活下来:当它丢失时，它会启动一个新的地图，并在重新访问地图时无缝地与之前的地图合并。

相比于只使用最后几秒钟信息的视觉里程计系统，ORB-SLAM3系统是第一个能够在所有算法阶段重用所有先验信息的系统。这允许包括在BA优化共同可见关键帧，提供高视差观测并且提高精度。

通过实验表明，在所有传感器配置中，ORB-SLAM3与文献中可用的最佳系统鲁棒性一致，而且更加精确。值得注意的是，本文的立体惯性SLAM在EuRoC无人机上实现了3.6cm的平均精度，在TUM-VI数据集(AR/VR场景的代表)的室内场景中，快速手持运动达到了9 mm的平均精度。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。