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
Juan D. Tardos, Carlos Campos, Richard Elvira, Juan J. Gómez Rodríguez, Jose M. M. Montiel
2021-05-25

ORB-SLAM3оценивание максимального апостериорного правдоподобиямультимаповый SLAMраспознавание местоположениявизуально-инерциальный SLAM
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.
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.

Система SLAM ORB-SLAM3 для визуальной, визуально-инерциальной и многокартографической локализации и построения карт с использованием монокулярных, стерео- и RGB-D-камер

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
Access Type
Author Information
Authors
Juan D. Tardos
Carlos Campos
Richard Elvira
Juan J. Gómez Rodríguez
Jose M. M. Montiel
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%