传统视觉 SLAM 建立的稀疏点云地图无法满足机器人进一步的感知需求，所以研究热点来到了基于深度学习的稠密...
ORB-SLAM Atlas 第一个完整的多地图SLAM系统,能够处理视觉和视觉惯性系统,在单目和立体配置.地图集可以表示一组不连续的地图,并在其上平滑地应用所有的制图操作:位置识别、相机重新定位、闭环和精确的无缝地图合并.这允许自动使用和组合在不同时间构建的地图,执行增量多会话SLAM.在原版ORB基础上我们添加了新的地点识别...
首先回顾一下历史:ORB-SLAM首次在2015年被提出,它的改进版ORB-SLAM2在2017年被提出,同年提出了ORB-SLAM-VI,时隔3年,ORB-SLAM3横空出世,朋友圈、学术群里到处都在热议这个挂在Arxiv才不到3天的论文。好奇心的驱使下,本人偷瞄了一下论文,就在这里总结一下吧。 开始之前,先放两条ORB-SLAM3的展示视频撑撑场面。
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...
第一个可以解决纯视觉或者视觉惯导的完整的混合地图的SLAM系统。在单目或者双目的系统中,Atlas代表的是一系列不连续的地图,而且可以把他们应用到所有的建图过程中:场景重识别、相机重定位、闭环检测和精确的地图融合。这就允许地图是在不同的时间构建的(增量的SLAM系统),纯视觉的Atlas是参考的2019年IROS的一篇文章:O...
第一个可以解决纯视觉或者视觉惯导的完整的混合地图的SLAM系统。在单目或者双目的系统中,Atlas代表的是一系列不连续的地图,而且可以把他们应用到所有的建图过程中:场景重识别、相机重定位、闭环检测和精确的地图融合。这就允许地图是在不同的时间构建的(增量的SLAM系统),纯视觉的Atlas是参考的2019年IROS的一篇文章:O...
第一个可以解决纯视觉或者视觉惯导的完整的混合地图的SLAM系统。在单目或者双目的系统中,Atlas代表的是一系列不连续的地图,而且可以把他们应用到所有的建图过程中:场景重识别、相机重定位、闭环检测和精确的地图融合。这就允许地图是在不同的时间构建的(增量的SLAM系统),纯视觉的Atlas是参考的2019年IROS的一篇文章:O...
本文第二个主要创新点在于提出了多地图复用技术,该技术使用了一种高召回率的场景识别算法。正是依赖于这一点,ORB-SLAM3能够有效应对长时弱纹理的环境:若系统丢失,它重新开始建图并在当经过之前走过的地点时与原来的地图无缝融合。另外,相比于其它仅用到之前一段时间信息的VO方案,本文提出的方案用到之前所有时刻的...
第一个可以解决纯视觉或者视觉惯导的完整的混合地图的SLAM系统。 在单目或者双目的系统中,Atlas代表的是一系列不连续的地图,而且可以把他们应用到所有的建图过程中:场景重识别、相机重定位、闭环检测和精确的地图融合。 这就允许地图是在不同的时间构建的(增量的SLAM系统),纯视觉的Atlas是参考的2019年IROS的一篇文章...
ORB-SLAM-VI[4]是第一个能够重复使用地图的真正的视觉惯性SLAM系统。然而,它仅限于针孔式单目相机,其初始化速度太慢,在一些具有挑战性的场景中失败。在这项工作中,我们以ORB-SLAM-VI为基础,提供了一种快速、准确的IMU初始化技术,以及一个能够使用针孔和鱼眼相机进行单目惯性和立体惯性SLAM的开源SLAM库。