视觉SLAM开源算法ORB-SLAM3 原理与代码解析

主讲人：刘国庆

地图点：$P_W$

Covisibility Graph共视图中的连接权重，边权
Essential Graph本质图：保留共视图中边权大于某阈值的边
Spanning Tree：只保留权重最大的连接边

Altas（地图集）

数据关联（Data Association）
短期数据关联、中期数据关联、长期数据关联、多地图关联

EPnP算法中有一个假设是相机模型需要是针孔模型。

极线矫正对双目安装要求高。

鱼眼相机看得更广，长焦距相机看得更远。

重叠区域，无重叠区域。

重投影误差，像素，投影函数$\pi (\cdot )$

仅视觉的IMU初始化 最大后验估计
后验$p(x|y)$ $\approx$ 似然$p(y|x)$ $\cdot$先验$p(x)$

时空一致性

重力向量$g^b$的roll角和pitch角小于某阈值。

回环：与本地图
地图合并：与其它地图

ORB-SLAM3加入了VI-SLAM的大家庭。
多地图机制有利于跟踪失败之后提供准确的定位。

提问

准确性，鲁棒性，实时性

Feature tracking is performed with Lucas-Kanade tracker, being slightly more robust than descriptor matching.

面对特定场景去做一些修改。