ORB-SLMA3的学习笔记

1 论文译读笔记

论文链接：ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM

摘要

  本文提出了ORB-SLAM3方法，这是首个能够实现视觉、视觉-惯导和多地图的SLAM系统，可以使用单目、立体视觉和RGB-D相机，适用针孔和鱼眼型号的镜头。
  第一项重要的创新是基于特征、紧密集成的视觉-惯导SLAM系统，此系统完全依靠于MAP（Maximum-a-Posteriori）估计（最大后验估计），甚至在IMU的初始化阶段。其结果是此系统可以实时地在大大小小、室内和室外的环境中稳健运行，并且比之前的方法的精度高上2~10倍。
  第二项主要创新是多地图系统依靠于一种新的位置识别方法来提升召回率。归功于这项创新，ORB-SLAM3能够在视觉信息不佳的情况下长时间地存活：当定位失败时，系统会开启一个新的地图，当重新访问到已建图的区域时，该地图将与之前的地图进行无缝合并。与仅使用最近几秒信息的视觉里程计系统相比，ORB-SLAM3是首个能够重用所有算法阶段中历史信息的系统。此特性包括在光束平差共视关键帧中，这些关键帧提供了高视差的观测来提高准确性，即使它们在时间上相距很远或者来自先前的建图会话。
  作者的实验显示，在所有的传感器配置下，ORB-SLAM3与以往文献中最好的开源系统具有同样的鲁棒性，并且准确性大幅度提升。值得注意的是，ORB-SLAM3的立体-惯导系统在在 EURoC 无人机中实现了3.5cm的平均精度；在 TUM-VI 数据集的房间内快速手持运动下实现了9mm的平均精度，这也是AR/VR场景的典型配置。为了更好的社区利益，作者公开了源代码。