VIO 初始化系列3------ORB-SLAM3 与VINS-Mono初始化比较

最新推荐文章于 2025-02-15 23:42:00 发布
最新推荐文章于 2025-02-15 23:42:00 发布
阅读量3.1k 收藏 32
点赞数 7
分类专栏： VINS 算法 状态估计
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43827285/article/details/112563167
版权
论文翻译 | ORB-SLAM3：一个用于视觉、视觉惯性和多地图SLAM系统
惊鸿一博
12-04 2259
基本情况 题目： 出处： 代码:https://github.com/UZ-SLAMLab/ORB_SLAM3. 论文:https://arxiv.org/pdf/2007.11898.pdf. 1摘要 本文介绍了ORB-SLAM3,这是第一个能够使用单眼、双目和RGB-D相机,使用针孔和鱼眼镜头模型执行视觉、视觉惯性和多地图SLAM的系统. 第一个主要创新是基于特征的紧密集成的视觉惯性SLAM系统.它完全依赖于最大后验概率估计.甚至在IMU初始化阶段也是如此.其结果是一个...
问题探讨——在光照变化、遮挡、快速运动的情况下，VINS和ORBSLAM3哪个更有优势？
曾经也曾立志
04-09 1101
在光照变化、遮挡和快速运动的情况下，VINS由于其对IMU数据的依赖，可能在视觉信息不足时表现得更为鲁棒。而ORB-SLAM3则通过其多地图支持和改进的初始化及重定位技术，在处理这些挑战时提供了更多的灵活性和准确性。然而，具体的性能表现还需要根据实际应用场景和系统实现的细节来评估。在实际应用中，可能需要对这些系统进行定制和优化，以满足特定的需求和条件。
全局变量的初始化是在 期间完成的_SLAM初始化方法梳理(ORB-SLAM3和VINS-MONO对比)...
weixin_39738416的博客
12-01 320
1.ORB-SLAM3body pose陀螺仪偏置加速度计偏置状态向量对预积分得到选择，速度和位置：(1)视觉初始化在前两秒内，进行纯视觉单目SLAM的初始化，以4HZ的频率插入关键帧。具有up-to-scale的地图，由k=10个相机位姿和上百个地图点，由Visual-Only BA优化，这些位姿转换到以body frame为参考，up-to-scale的轨迹(2)惯性后验最大估计惯性状态向量s...
vins是基于滑窗优化的，ORBSLAM3是基于共视图优化的，所以ORBSLAM里面没有边缘化这种
诗筱涵的博客
02-15 249
vins是基于滑窗优化的，ORBSLAM3是基于共视图优化的，所以ORBSLAM里面没有边缘化这种。所说的中期数据关键，或者较大视差，可能就是指共视关键帧可以距离时间相对较远，视差相对大一些。BA优化共视关键帧，应该是ORBSLAM3精度高的原因。这里有个博文也有这么总结。
ORB_SLAM3与VINS_MONO的惯导部分比较以及尺度因子优化分析
Goretzka的博客
02-26 3156
inertial部分的对比 ORB_SLAM3 VINS IMU的偏差 同时考虑了加速度计和陀螺仪的偏差，并且将其放在目标函数中与重力方向，尺度因子等待优化变量共同优化，在inertialoptimization函数 只估计了陀螺仪的偏差，并且是将其考虑成非线性的，将其独立出来单独优化，没有采用g2o求解器，而是直接一次高斯牛顿迭代解决，在initial_aligment.cpp中的solveGyroscopeBias中。 速度，重力，尺度因子 与IMU偏差共同估计，通过最大后验估计
bench_ws:用于与不同状态估计算法（即 VINS-Mono、VINS-Fusion、ORBSLAM3、Stereo-MSCKF 等）进行比较的 catkin 工作区
05-29
长凳_ws 用于对不同状态估计算法进行基准测试的 catkin 工作区，即： 建造 构建过程相当自动化，此 repo 假设您在安装了 Ubuntu 18.04 的 linux 机器上运行。 然后要使用此存储库，您将发出以下命令， make deps make submodules make build 它安装依赖项，拉取 git 子模块并构建这个工作区。 在 EuroC 数据集上运行 首先获取数据集。 默认情况下，此项目提供的启动文件假定您有一个名为/data/euroc_mav/rosbags的目录，并且其中包含 rosbags，如下所示： MH_01.bag MH_02.bag MH_03.bag MH_04.bag MH_05.bag V1_01.bag V1_02.bag V1_03.bag V2_01.bag V2_02.bag V2_03.bag 请注意如何删除e
ORB-SLAM3和Vins-Mono初始化差异
bkhyv的博客
05-12 295
视觉slam开源方案对比(ORB-SLAM2,ORB-SLAM3,VINS)
热门推荐
dushib的博客
12-20 1万+
ORB-SLAM2: GitHub - raulmur/ORB_SLAM2: Real-Time SLAM for Monocular, Stereo and RGB-D Cameras, with Loop Detection and Relocalization Capabilities ORB-SLAM3: GitHub - JKTao/ORB_SLAM3: ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial
visual-slam-roadmap：2021年成为Visual-SLAM开发人员的路线图
02-05
1. 开源库：如ORB-SLAM、VINS-Mono、DVO SLAM等，提供现成的SLAM解决方案，便于学习和调试。 2. 数据集：如TUM RGB-D、KITTI、EuRoC MAV等，用于训练和评估SLAM算法。 3. 虚拟环境：如Gazebo、AirSim等，为SLAM算法...
从零真正理解SLAM中的边缘化---------详细的理论细节推导
leeayu的博客
08-01 996
文章目录1 边缘化是什么2 实际SLAM中的优化问题构建2.1 线性高斯系统优化问题的构建（参考状态估计这本书，本节只是简介使得文章前后保持连续性）2.2 非线性非高斯系统（Non Linear Non Gaussian，NLNG）优化问题构建2.3 NLNG问题的Batch形式（实际SLAM优化多帧pose和多路标点的情况）2.4 使用高斯牛顿法求解2.5 考虑一个小的优化问题：仅包含观测模型3 边缘化（Marginalization）3.1 边缘化想做什么事情3.2 边缘化过程详细步骤（以VINS-MO
ORBSLAM3 and VINS-Fusion evo compare results! & How to save trajectory in ORBSLAM3/VINSFusion
delovsam的博客
03-05 2032
Stereo cameras + IMU VINS-Fusion:CPU(117%) and loop-results(11cm) in V1_03_difficult.bag ORBSLAM3: CPU(230%) and results(7cm) in V1_03_difficult.bag VINS-Fusion roslaunch vins vins_rviz.launch rosrun vins vins_node ~/VINS_Fusion/catkin_ws/src/VI...
小海要自强+VINS-Mono-master.zip
07-21
VINS-Mono是一款由香港科技大学开发的开源视觉惯性导航系统（Visual-Inertial Navigation System，简称VIO），专门用于实现单目相机的SLAM（Simultaneous Localization And Mapping，即同时定位与建图）任务。SLAM是...
Vins-Mono系列代码和理论解读＜三＞. vins初始化流程和代码实现细节
tmfighting的博客
06-18 1676
快速了解vins-mono的初始化实现流程
SLAM之小觅相机跑开源方案（ORB_SLAM2，VINS MONO，VINS FUSION，RTAB-Map）
hly453的博客
04-14 6461
传感器：　小觅相机标准版 开源SLAM方案：　ORB_SLAM2，VINS MONO，VINS FUSION，RTAB-Map 测试地点：　室内大厅（光线不均）/ 露天阳台 实现形式：　小觅相机 / kinect　在目标地点跑两圈 相机标定： 安装标定工具,在命令行里输入: rosdep install camera_calibration rosmake camera_calibration ...
0.ORB-SLAM3算法知识点总结
超爱吃小蛋糕的66的博客
03-07 1741
ORB-SLAM3中的回环检测线程主要分为4个模块：检测共视区域、检测是否存在回环、计算相似变换、回环矫正共视区域检测主要是看关键帧和之前已经创建的关键帧之间是否存在公共单词，如果存在再进一步分析检测到的共视关键帧是其他子弟图的还是当前子地图的如果检测到的共视关键帧是其他子地图的，则将两个子地图进行融合如果检测到的共视关键帧是当前子地图的，则有可能存在回环关系如果存在回环关系则计算回环关键帧之间的相似变换，获取漂移的程度如果相似变化计算成功，则根据漂移程度纠正回环处的累计误差。
VINS-Fusion、CCM-SLAM、COVINS、ORB-SLAM3编译
weixin_43693946的博客
03-31 3929
介绍VINS-Fusion、CCM-SLAM、COVINS、ORB-SLAM3的编译方法，大多参考官方readme，记录了一些bug和issue
slam学习
echo_gou的博客
09-05 652
1、视觉SLAM：ORB-SLAM2（必学基础）2、视觉惯性SLAM：ORB-SLAM3，VINS-Mono、VINS-Fusion3、激光/多传感器融合SLAM：Cartographer，LeGO-LOAM、LIO-SAM、LVI-SAM4、三维重建：视觉几何OpenMVS，深度学习重建MVSNet、PatchMatchNet、JDACS-MS5、机器人运动规划：Navfn、Dijkstra、A-Star、DWA、TEB6、相机标定：单目/鱼眼/双目/阵列推荐书目：《视觉slam14讲》
为什么工程上选择VINS而不是ORB-SLAM？
CV_Autobot的博客
04-14 2236
作者|3D视觉之心 编辑|自动驾驶Daily原文链接：https://www.zhihu.com/question/650407644点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『SLAM』技术交流群本文只做学术分享，如有侵权，联系删文前言很多公司在工程上是用VINS（VINS-Mono或VINS-Fusi...
ORB-SLAM3运行水下数据集
最新发布
03-25
<think>好的，我需要帮助用户了解如何使用ORB-SLAM3运行水下数据集。首先，我应该回顾ORB-SLAM3的基本配置要求，因为水下数据集可能有不同的传感器输入或环境条件。用户可能需要安装合适的依赖项，比如OpenCV、Pangolin、Eigen3等，这些在引用[1]提到SDK支持多种平台，可能相关。 接下来，用户可能需要下载并准备水下数据集。我需要考虑数据集的格式是否符合ORB-SLAM3的要求，比如图像的时间戳、相机参数文件。如果数据集是单目、双目或RGB-D，可能需要不同的启动配置文件，引用[3]提到直接法中使用ICP的例子，但ORB-SLAM3主要基于特征点，可能需要调整参数以适应水下环境。 然后，修改配置文件是关键步骤。水下环境的特征点可能较少，或者有更多的动态元素，比如水生生物，这会影响特征匹配。可能需要调整ORB特征提取的参数，比如特征点数量、尺度金字塔层数，或者动态掩膜处理动态物体，引用[3]提到直接法对图像采集速率的要求，但这里可能涉及特征点的稳定性。 编译和运行阶段，用户可能需要根据数据集类型选择合适的可执行文件，比如单目、立体或RGB-D模式。如果数据集包含IMU数据，ORB-SLAM3支持VI模式，需要确保IMU参数正确配置，引用[4]提到ORB-SLAM的VIO相关论文，这可能关联到IMU的使用。 调试部分，特征点提取不足可能需要调整ORB参数，比如增加特征数量或降低匹配阈值。轨迹漂移可能需启用回环检测或使用IMU融合，引用[3]提到直接法计算量大，但ORB-SLAM3作为特征法可能在资源管理上需要优化。此外，可能建议用户参考相关论文或社区资源，比如引用[4]提供的链接，可能有实际案例。 最后，生成相关问题需要覆盖数据集适配、参数调整、性能优化、传感器融合和应用场景，这样用户能全面了解可能遇到的挑战和解决方案。需要确保回答结构清晰，步骤详细，并引用提供的资料支持建议。</think>### 如何使用ORB-SLAM3运行水下数据集？ #### 1. **环境配置与依赖安装** - **安装ORB-SLAM3**：从GitHub克隆仓库并编译： ```bash git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git cd ORB_SLAM3 && chmod +x build.sh && ./build.sh ``` - **依赖项**：确保已安装OpenCV（≥4.4）、Pangolin、Eigen3等。若使用IMU数据，需配置`ROS`环境[^1][^4]。 #### 2. **数据集准备** - **下载水下数据集**：例如`SeaThru`、`Underwater-Robot`或`BlueROV2`数据集，需包含图像序列（单目/双目/RGB-D）和时间戳文件。 - **数据格式适配**： - 若数据集为单目，需提供`Images`文件夹和`times.txt`。 - 若为双目或RGB-D，需对齐左右目图像或深度图。 - 修改相机参数文件（如`EuRoC.yaml`），匹配水下相机的内参和畸变系数。 #### 3. **配置文件修改** - **特征提取参数**：水下环境光照弱、纹理稀疏，需在`YAML`配置文件中调整： ```yaml # ORB参数示例 ORBextractor.nFeatures: 3000 # 增加特征点数 ORBextractor.scaleFactor: 1.2 # 缩小尺度因子以增强稳定性 ``` - **动态物体处理**：若数据集包含动态物体（如鱼类），可通过掩膜或语义分割过滤干扰区域（需自定义代码）[^3]。 #### 4. **运行与调试** - **启动命令示例**： - 单目模式： ```bash ./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Config/EuRoC.yaml [数据集路径] ``` - 若支持IMU（如水下机器人数据）： ```bash ./Examples/Stereo-Inertial/stereo_inertial_euroc Vocabulary/ORBvoc.txt Config/Underwater-IMU.yaml [数据集路径] ``` - **轨迹评估**：使用`evo`工具对比输出轨迹与真值，调整运动模型参数或IMU噪声模型。 #### 5. **常见问题与优化** - **特征丢失严重**： - 使用图像增强（如直方图均衡化）提升纹理可见性。 - 启用`ORB-SLAM3`的`FAST`角点自适应阈值模式。 - **回环检测失效**： - 增大词袋模型（`ORBvoc.txt`）的相似度阈值。 - 添加水下场景专用词典（需重新训练）。 #### 6. **参考资源** - **开源适配案例**：参考`VIORB`或`VINS`的水下实现（见引用[1][4]的SDK链接）。 - **论文建议**：阅读《Underwater SLAM: Challenges and Advancements》结合ORB-SLAM3的改进方法[^2]。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值