2019年最新VSLAM比较汇总

闭源

SOFT

SOFT2

应用对象：无人机
平移精度：0.65%
旋转精度：0.0014
实时性：0.1s/2 core.2.5GHz
开发环境：C/C++
挑战赛项目。

ESO

该算法基于libviso2，一个纯粹的帧2帧视觉测距引擎， 除了完整的CPU多线程实现（利用管道和数据并行）之外，它还 具有以下主要改进：
1- 用于旋转的自动关键帧
2- 用于单独的估算器平移和旋转
3- 自适应惯性感知RANSAC
4- 惯性感知非线性优化
5- 点重新平衡
每帧的平均运行时间为0.08秒 ， 绝不超过0.1秒。

sGAN-VO

研究队伍：厦门大学 纪荣嵘团队
技术内容：基于语义生成式对抗神经网络（GAN）的视觉里程计。

LG-SLAM

SLAM后端解决方案，技术内容：李群（LG-ESDSF）上的精确稀疏延迟状态滤波器。

RotRocc+

算法层面研究，模型+验证。

GDVO

算法层面研究，模型+验证。

Elbrus

一种视觉测距算法，用于估算连续立体图像对的帧到帧相机运动。该算法在两个关键方面与大多数视觉测距算法不同：（1）它没有关于相机运动的先前假设，以及（2）它在通过单独的立体算法计算的密集视差图像上操作。该算法已经在许多平台上进行了测试，包括轮式和腿式车辆，并且已被证明是快速，准确和稳健的。例如，在4000帧和400米的行程之后，位置误差通常小于1米（行进距离的0.25％）。512×384图像的处理时间约为20毫秒。

ROCC

MonoROCC

一种基于立体声的视觉测距的异常值去除方案，该方案特别适用于改善大规模深度环境中的高速姿态变化估计。首先，我们在姿势变化给定固定误差的情况下研究特征的3D位置上的重投影误差的方差，以得出基于重投影误差的固定阈值的异常值的检测是不合适的。然后，我们提出了光流依赖特征 - 重投影误差的自适应缩放，以达到每个特征的3D位置的几乎不变性。该特征自适应缩放是从近似中导出的，该近似表示摄像机的纵向姿态变化，光流的绝对值和特征的距离之间的关系。使用此缩放，我们开发了一种迭代交替方案来指导异常值与异常值的分离。它优化了在找到基于给定姿势变化去除异常值的良好标准和基于当前内点集改进姿势变化假设之间的权衡。将新的异常值去除方案纳入纯粹的双帧立体视觉测距测量管道，而不应用束调整或SLAM过滤，我们目前在顶级基于摄像头的算法中排名，并且在Kitti基准测试中的表现优于相机和激光扫描仪方法速度场景。

cv4xv1-sc

GPU

开源：

VINS-Fusion

香港科技大学
误差：1.09%，0.0033
实时性：0.1s/1 core/3.0GHz
开发环境：C/C++

开源：https://github.com/HKUST-Aerial-Robotics/VINS-Fusion

ORB-SLAM2

误差：1.15%，0.0027
实时性：0.06s/2 cores/ >3.5GHz
开发环境：C/C++

开源：https://github.com/raulmur/ORB_SLAM2
变体：https://github.com/BertaBescos/DynaSLAM

Stereo DSO

研究团队慕尼黑工业大学，https://vision.in.tum.de/research/vslam/dso
误差：0.93%，0.0020
实时性：0.1s/1 core/3.4GHz
开发环境：C/C++
特点：直接法 稀疏特征 大规模
源代码：
运行数据集：https://github.com/JakobEngel/dso
数据集：TUM monoVO dataset

连接相机运行：https://github.com/JakobEngel/dso_ros.

ProSLAM

罗马大学？
轻量级开源立体视觉SLAM系统，无需完全捆绑调整 - 针对教育目的。
误差：1.39%，0.0035
实时性：0.02s/1 cores/ 3.0GHz
开发环境：C/C++
开源：https://gitlab.com/srrg-software/srrg_proslam

论文里面的精度效果比ORB-SLAM2差，实时性在0.06~0.08。

ENFT-SfM

浙大章国锋老师

主页：http://www.zjucvg.net/
源代码：https://github.com/zju3dv/ENFT-SfM

RTAB-Map

误差：1.26%，0.0026
实时性：0.1s/1 cores/ 2.5GHz
开发环境：C/C++

开源：http://introlab.github.io/rtabmap/
项目已解散，Google Tango