??ORB-SLAM3一經提出便廣受好評(與上一代時隔3年，2020年推出)，不僅適用范圍擴大，而且精度、速度、魯棒性都大大得到擴展。ORB-SLAM3還是延續(xù)了ORB-SLAM1、2的一貫思路。但整體來看，3和2的區(qū)別要遠大于2和1的區(qū)別。這篇文章主要介紹3的一些改進。ORB-SLAM3兼容純視覺、視覺慣性融合、構建多地圖。

??先把3的系統(tǒng)結構圖擺出來：

??從系統(tǒng)結構圖上可以看出，ORB-SLAM3引入了IMU模塊，同時增加了ATLAS部分，其余沒有太大的變化。

??下面介紹一下ORB-SLAM3新增加的一些特點(很多特點不是ORB-SLAM3首創(chuàng)，但是將其做了融合)：
??1.引入IMU與視覺結合(VO→VIO)，精度更好。在IMU初始化階段引入MAP(最后驗概率估計)，初始化方法實時快速進行(IMU的初始化目的是為了給慣導的變量提供良好的初始值：機體速度、重力方向、還有IMU的偏置)，魯棒性和速度上很大提升。適用于大小場景，室內/外。
??2.在place recognition處做改進，實現(xiàn)多子地圖系統(tǒng)(multi-maps)。跟丟的時候重建子地圖，回環(huán)的時候和之前的子地圖進行合并，
??3.ORB-SLAM3 是第一個可以重用歷史所有算法模塊的所有信息的系統(tǒng)(第一個同時利用短期、中期、長期數(shù)據(jù)進行數(shù)據(jù)關聯(lián)的系統(tǒng))
??4.引入Atlas，Atlas代表一系列不連續(xù)地圖，可用于所有建圖過程。實現(xiàn)了用不同時間數(shù)據(jù)構建地圖。Atlas可應用于重定位，閉環(huán)檢測和地圖融合。Atlas中維護兩個地圖(active map和non-active map)，active map可以定位新的關鍵幀，并在local mapping中不斷更新該地圖。若active-map在一段時間內，沒有重定位等事件就會變成non-active map，新的關鍵幀會被加到active-map中
??5.引入相機模型，提供了針孔模型和魚眼模型。
????注：想對相機模型有個快速了解，可以看看這個：相機模型(camera model)
??6.將雙目相機看作為兩個單目相機。面向未矯正的雙目SLAM，適用面更廣
??7.為了適應于慢速條件下的地圖初始化，令其快速收斂。提出一種新的尺度優(yōu)化方法，這種方法基于改進的單慣導的優(yōu)化方法，其中插入所有關鍵幀，但尺度和重力方向是唯一的估計參數(shù)。
??8.提出了一個在長期和混合地圖數(shù)據(jù)關聯(lián)的時候改進召回率的新場景重識別算法：設置多個跟蹤丟失狀態(tài)。設定跟蹤少于15個點的時候進入短期失敗狀態(tài)。短期失敗利用IMU讀書估計位姿，將MP投影到相機位姿上，再在圖像窗口中做匹配。匹配成功則跟蹤成功。5s內沒恢復，進入長期失敗狀態(tài)，重新進行VIO的初始化構建一個地圖作為active map(Atlas的作用)，以上整個過程由tracking線程完成
??9.VIO模式下，在優(yōu)化中加入慣性殘差來估計剛體速度和IMU偏差
??10.回環(huán)檢測線程工作方式轉變：當加入一個新的關鍵幀時，該線程在active-map和Atlas地圖中檢測公共區(qū)域。如果該公共區(qū)域屬于active-map，進行回環(huán)矯正(與之前版本相同)。如果公共區(qū)域屬于其他地圖(Atlas中的離散地圖，即non-active map)，則將兩者融合作為新的active-map。
??11.Altas使用詞袋模型建立關鍵幀數(shù)據(jù)庫，后續(xù)的重定位、回環(huán)檢測、地圖融合都要用到該庫(凡是要搜索之前的KF都要用到)
??12.ORB-SLAM3為了解決全圖優(yōu)化工作量大的問題，使用滑動窗口思想，把關鍵幀及地圖點的滑動窗口作為優(yōu)化變量

??實現(xiàn)思路：ORB-SLAM3保持以KF為基本的數(shù)據(jù)結構，但將地圖分為active-map和non-active-map。這部分的主要工作都是圍繞ATLAS完成。avtive可變成non-active，所有non-active得到保存。所以在后續(xù)的重定位部分，可以利用所有的歷史信息。另外引入了IMU模塊，需要對IMU信息進行處理(IMU融合、IMU初始化、IMU尺度改進)。其余整個識別過程與ORB-SLAM1基本相同。

??作者原文中提到的創(chuàng)新點有兩個(但我覺得不止兩個~)：
??1.IMU初始化階段引入MAP
??2.place recognition部分(利用ATALS)，與歷史數(shù)據(jù)結合，大大提高召回率。對重定位、回環(huán)檢測、地圖融合都會產生影響

ORB-SLAM3開源代碼網址為：
https://github.com/UZ-SLAMLab/ORB_SLAM3

補充說明：
??1.IMU的作用：IMU可以測得角速度和加速度，用于短時間內快速運動的位姿估計(彌補快速運動時相機運動模糊的缺點)。但IMU測量的量都會存在明顯漂移，位姿數(shù)據(jù)不可靠。所以IMU只是一個輔助作用。另外當圖像發(fā)生變化時，純視覺無法確定是自身移動還是外部變換，而IMU確定判斷自身狀態(tài)，得到結論。

系列相關參考文章：
ORB-SLAM介紹(無源碼版本)
ORB-SLAM2和ORB-SLAM的區(qū)別

參考文獻：
一文詳解ORB-SLAM3 (360doc.com)
【開源方案共享】ORB-SLAM3開源啦！
ORB-SLAM3整體梳理 - 知乎 (zhihu.com)

因作者水平有限，如有錯誤之處，請在下方評論區(qū)指正，謝謝！

總結

以上是生活随笔為你收集整理的浅谈ORB-SLAM3的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。