ORB-SLAM3: точная библиотека с открытым исходным кодом для визуального, визуально-инерциального SLAM и SLAM с использованием нескольких карт
ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual–Inertial, and Multimap SLAM
2021-05-25
SCID: 54.1/hbxhmryb
Discuss with AI
ORB-SLAM3оценивание максимального апостериорного правдоподобиямультимаповый SLAMраспознавание местоположениявизуально-инерциальный SLAM
Figures from the paper
Abstract (AI)
В статье представлена ORB-SLAM3 — первая система, способная выполнять визуальный, визуально-инерциальный SLAM и SLAM с использованием нескольких карт с монокулярными, стерео- и RGB-D-камерами, применяя модели объективов с точечной и «рыбьеглазой» проекцией. Первая основная новизна заключается в тесно интегрированной визуально-инерциальной SLAM-системе, полностью основанной на оценивании максимального апостериорного правдоподобия (MAP), в том числе на этапе инициализации инерциального измерительного устройства (IMU), что обеспечивает устойчивую работу в реальном времени в малых и больших помещениях, а также в помещениях и на открытом воздухе; точность при этом в два–десять раз выше, чем у предыдущих подходов. Вторая основная новизна — система работы с несколькими картами, использующая новый метод распознавания мест с повышенной полнотой, который позволяет ORB-SLAM3 сохранять работоспособность в течение длительных периодов недостатка визуальной информации: при потере локализации система создает новую карту, которая при повторном посещении ранее отображенных областей бесшовно объединяется с предыдущими картами. В отличие от систем визуальной одометрии, использующих только информацию за последние несколько секунд, ORB-SLAM3 впервые обеспечивает повторное использование на всех этапах алгоритма всей ранее полученной информации от совместно видимых ключевых кадров с большим параллаксом, даже если они значительно разнесены во времени или относятся к предыдущим сеансам картографирования, что повышает точность. Эксперименты показывают, что для всех конфигураций датчиков ORB-SLAM3 по устойчивости не уступает лучшим системам, представленным в научной литературе, и обладает значительно более высокой точностью. В частности, средняя точность стерео-инерциальной SLAM-системы составляет 3,5 см на наборе данных с дроном EuRoC и 9 мм при быстрых движениях камеры в руках в помещении из набора данных TUM-VI, что характерно для сценариев дополненной и виртуальной реальности (AR/VR). В интересах научного сообщества исходный код системы предоставляется в открытом доступе.
Key Findings
1
Для всех конфигураций датчиков ORB-SLAM3 сопоставим по устойчивости с ведущими системами, но значительно точнее; достигнута точность 3,5 см на EuRoC и 9 мм на быстрых ручных движениях в TUM-VI.
2
Его тесно интегрированная визуально-инерциальная формулировка на основе MAP-оценивания, включая инициализацию IMU, обеспечивает устойчивую работу в реальном времени и в два–десять раз повышает точность по сравнению с предыдущими подходами.
3
ORB-SLAM3 является первой унифицированной системой, поддерживающей визуальный, визуально-инерциальный и многокартографический SLAM с монокулярными, стерео- и RGB-D-камерами, используя модели pinhole и «рыбий глаз».
4
ORB-SLAM3 повторно использует высокопараллаксные взаимно видимые ключевые кадры из всех предыдущих сеансов картографирования и временно удалённых эпизодов, повышая точность по сравнению с визуальной одометрией на коротком временном окне.
5
Многокартографическая система использует распознавание мест с улучшенной полнотой, восстанавливается после длительного ухудшения визуальной информации и бесшовно объединяет новые карты при повторном посещении известных областей.
Research Object
Система SLAM ORB-SLAM3 для визуальной, визуально-инерциальной и многокартографической локализации и построения карт с использованием монокулярных, стерео- и RGB-D-камер
Research Subject
Точность, робастность и работа в реальном времени SLAM-системы, а также повторное использование и бесшовное объединение карт при различных конфигурациях датчиков и длительных периодах недостатка визуальной информации
Publication Details
Publication Date
2021-05-25
Journal
Publisher
ISSN
Cited by
5008
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest