⼀⽂详解ORB-SLAM3 作者：Liam 来源：公众号@ 链接：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：...
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。
在ORB的原始论文:ORB: an efficient alternative to SIFT or SURF已经考虑到了特征点提取的多尺度问题,使用图像金字塔的方式对多个尺度的图像进行ORB特征提取。但是在ORB-SLAM系列中,为了让特征点分散更加均匀,ORB-SLAM的作者根据OpenCV的实现进行了修改,让特征点尽可能地分散到图片的整个区域而不是只有在纹理明显的区...
闭环检测部分与ORB-Atlas的基本相同。 参考文献 [1]. ORB-SLAM: a Versatile and Accurate Monocular SLAM System [2].ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras [3]. ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM ...
ORB-SLAM解决重定位是用的Epnp;但是他是基于一个标定好的针孔相机模型的,为了继续我们的工作,我们采用独立于相机的ML-pnp算法可以完全从相机模型中解耦,因为他利用投影光线作为输入。相机模型只需要提供一个从像素传递到投影光线的反投影函数,以便能够使用重定位。
Atlas的方法使得在跟踪丢失时能够重新创建一个地图,并在回到原有位置时利用原地图的信息,使得SLAM更加鲁棒。Atlas的方法也用在了ORB-SLAM3中 四、ORB-SLAM3 ORB-SLAM3中的地图,大致上采用了ORB-SLAM1/2和ORB-Atlas的方法完成了重定位、回环和地图融合。
ORB-SLAM解决重定位是用的Epnp;但是他是基于一个标定好的针孔相机模型的,为了继续我们的工作,我们采用独立于相机的ML-pnp算法可以完全从相机模型中解耦,因为他利用投影光线作为输入。相机模型只需要提供一个从像素传递到投影光线的反投影函数,以便能够使用重定位。
ORB-SLAM解决重定位是用的Epnp;但是他是基于一个标定好的针孔相机模型的,为了继续我们的工作,我们采用独立于相机的ML-pnp算法可以完全从相机模型中解耦,因为他利用投影光线作为输入。相机模型只需要提供一个从像素传递到投影光线的反投影函数,以便能够使用重定位。
想要理解ORB-SLAM3的地图管理,仅看ORB-SLAM3的论文[3]是不够的,因为很多细节出现在之前的ORB-SLAM1/2[1][2],以及ORB-Atlas[4]这几篇论文中。从头到尾搞清楚这些论文中采用的地图管理方法,就能理解ORB-SLAM3中的内容。本文介绍这几篇论文中涉及地图的部分,并不介绍特征跟踪、关键帧创建等内容。作者能力有限...
Atlas的方法使得在跟踪丢失时能够重新创建一个地图,并在回到原有位置时利用原地图的信息,使得SLAM更加鲁棒。Atlas的方法也用在了ORB-SLAM3中 四、ORB-SLAM3 ORB-SLAM3中的地图,大致上采用了ORB-SLAM1/2和ORB-Atlas的方法完成了重定位、回环和地图融合。