ORB-SLAM3：用于视觉、视觉-惯性与多地图 SLAM 的精确开源库
机器人学
2021-04-26 v2
摘要
本文提出 ORB-SLAM3，这是首个能够使用针孔与鱼眼镜头模型，利用单目、立体和 RGB-D 相机执行视觉、视觉-惯性与多地图 SLAM 的系统。第一个主要创新是一种基于特征的紧耦合视觉-惯性 SLAM 系统，其完全依赖最大后验（MAP）估计，即使在 IMU 初始化阶段也是如此。由此得到的系统可在小型与大型、室内与室外环境中实时稳健运行，且比先前方法精确 2 至 5 倍。第二个主要创新是一种依赖具有更高召回率的新地点识别方法的多地图系统。得益于该方法，ORB-SLAM3 能够度过长时间视觉信息匮乏的时期：当丢失时，它启动一张新地图，并在重访已建图区域时与先前的地图无缝合并。与使用仅来自最近几秒信息的视觉里程计系统相比，ORB-SLAM3 是首个能够在所有算法阶段重用所有先前信息的系统。这使得在光束法平差中纳入共可视关键帧成为可能，这些关键帧提供高视差观测从而提升精度，即便它们在时间上相隔甚远或来自先前的建图会话。我们的实验表明，在所有传感器配置下，ORB-SLAM3 与文献中最佳系统一样稳健，且显著更精确。值得注意的是，我们的立体-惯性 SLAM 在 EuRoC 无人机上达到 3.6 cm 的平均精度，在 TUM-VI 数据集的房间快速手持运动下达到 9 mm 精度，该设置代表了 AR/VR 场景。为惠及社区，我们公开了源代码。
引用
@article{arxiv.2007.11898,
title = {ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM},
author = {Carlos Campos and Richard Elvira and Juan J. Gómez Rodríguez and José M. M. Montiel and Juan D. Tardós},
journal= {arXiv preprint arXiv:2007.11898},
year = {2021}
}