ORB-SLAM3来了！真有生之年！

前言

2015年，ORB-SLAM 来了！

2016年，ORB-SLAM2 来了！

时隔4年，产生了多少SLAMer...

2020年，ORB-SLAM3 来了！真有生之年！

学 SLAM 的同学，应该没有不知道 ORB-SLAM的，截止2020年7月24日，ORB-SLAM系列的谷歌引用量已达到4770 = 3053+1717！实属相当恐怖的数据

值得说一下，ORB-SLAM和ORB-SLAM2的一作都是Raúl Mur-Artal，但这位大佬应该已经毕业了，所以ORB-SLAM3由其同校应该也是同实验室的Carlos Campos完成。单看论文作者列表，猜测他们的导师都是：Juan D. Tardós

ORB-SLAM3

论文：https://arxiv.org/abs/2007.11898

代码（已开源）：

https://github.com/UZ-SLAMLab/ORB_SLAM3

ORB-SLAM3：第一个能够使用针孔和鱼眼镜头模型，使用单目，stereo和RGB-D相机执行视觉，视觉惯性和多地图SLAM的系统。

第一个创新：基于特征的紧密集成的视觉惯性SLAM系统，即使在IMU初始化阶段，该系统也完全依赖于最大后验（MAP）估计。结果是该系统可以在小空间，大空间，室内和室外环境中实时稳定运行，并且比以前的方法精确2到5倍。

第二个创新：多地图系统（multiple map system），该系统依赖于具有改进召回率的新场景识别方法。多亏了它，ORB-SLAM3能够在很差的视觉信息中生存下来：当gets lost 时，它会启动一个新地图，当重新访问地图区域时，它将与以前的地图无缝合并。

与仅使用最后几秒钟信息的视觉里程计系统相比，ORB-SLAM3是第一个能够在所有算法阶段重用所有先前信息的系统。

实验表明，在所有传感器配置中，ORB-SLAM3与文献中提供的最佳系统一样强大，并且准确性更高。值得注意的是，stereo惯性SLAM在EuRoC无人机上的平均精度达到3.6 cm，在TUM-VI数据集（代表AR / VR场景的设置）的室内快速手持运动下达到9 mm。

为了社区的利益，ORB-SLAM3开源了！

实验结果

性能拉满！