超全汇总 | ORB-SLAM2 / ORB-SLAM3 相关改进代码！

会员服务 ·

超全汇总 | ORB-SLAM2 / ORB-SLAM3 相关改进代码！

2020 年 11 月 22 日 计算机视觉life

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

本文总结了特征点法SLAM中目前效果最好的方法：ORB-SLAM2 / ORB-SLAM3 相关改进代码汇总，包括加速、多传感器融合、稠密建图、线特征、点线融合、导航、动态环境、多平台移植等。具体见下。

为方便点击链接，我们整理了pdf版本，扫描下方二维码，关注后回复：ORBSLAM

ORB-SLAM2 相关改进代码汇总

论文发表于2017年的IEEE Transactions on Robotics，论文名称《ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras》

ORB-SLAM2 特点：

首个（2017年发布时）支持单目，双目和RGB-D相机的完整的开源SLAM方案，具有回环检测和重新定位的功能。
能够在CPU上进行实时工作，可以用于移动终端如移动机器人、手机、无人机、汽车。
特征点法的巅峰之作，定位精度极高，可达厘米级。
能够实时计算出相机的位姿，并生成场景的稀疏三维重建地图。
代码非常整洁，包含很多实际应用中的技巧，非常实用。
支持仅定位模式，该模式适用于轻量级以及在地图已知情况下长期运行，此时不使用局部建图和回环检测的线程

[PAPER](https://arxiv.org/abs/1610.06475),

[CODE](https://github.com/raulmur/ORB_SLAM2),

[超详细中文注释版]

(https://github.com/electech6/ORBSLAM2_detailed_comments)

改进方法

[ORBSLAM2_with_pointcloud_map](https://github.com/gaoxiang12/ORBSLAM2_with_pointcloud_map)，

高翔实现的添加稠密点云地图

[ORB-SLAM2_RGBD_DENSE_MAP]

(https://github.com/tiantiandabaojian/ORB-SLAM2_RGBD_DENSE_MAP)，在高翔基础上添加了稠密闭环地图

[ORB-YGZ-SLAM]

(https://github.com/gaoxiang12/ORB-YGZ-SLAM)，

使用SVO中直接法来跟踪代替耗时的特征点提取匹配，在保持同样精度的情况下，是原始ORB-SLAM2速度的3倍

[YGZ-stereo-inertial SLAM]

(https://github.com/gaoxiang12/ygz-stereo-inertial)，

双目VIO版本，加入了LK光流和滑动窗口BA优化

[VI-ORB](https://github.com/jingpang/LearnVIORB)，

京胖实现的VI-ORB-SLAM2

[Fisheye-ORB-SLAM]

(https://github.com/lsyads/fisheye-ORB-SLAM)，添加了支持鱼眼

[Save and load orb-slam2 maps]

(https://github.com/AlejandroSilvestri/osmap)，添加保存和导入地图功能

[ORB_SLAM2 with map load/save function]

(https://github.com/Jiankai-Sun/ORB_SLAM2_Enhanced)，添加保存和导入地图功能

[Viewer for maps from ORB-SLAM2 Osmap]

(https://github.com/AlejandroSilvestri/Osmap-viewer)，

添加了地图可视化

[Add line feature based ORB-SLAM2]

(https://github.com/atlas-jj/ORB_Line_SLAM)，添加了线特征

[RGBD-SLAM with Point and Line Features, developed based on ORB_SLAM2]

(https://github.com/maxee1900/RGBD-PL-SLAM)，添加了点线融合

[Good Feature Selection for Least Squares Pose Optimization in VO/VSLAM]

(https://github.com/ivalab/gf_orb_slam2)，使用了一种更好的特征选择方法

[ORB_SLAM2_SSD_Semantic](https://github.com/Ewenwan/ORB_SLAM2_SSD_Semantic),

动态语义SLAM 目标检测+VSLAM+光流/多视角几何动态物体检测+octomap地图+目标数据库

[Tracking Enhanced ORB-SLAM2]

(https://github.com/Eralien/TE-ORB_SLAM2)，

用YOLO v3的语义信息来增加跟踪性能

[YOLO Dynamic ORB_SLAM](https://github.com/bijustin/YOLO-DynaSLAM)，用YOLO来做动态环境的检测

多平台移植代码

[Windows version ORBSLAM2,Easy built by visual studio]

(https://github.com/phdsky/ORBSLAM24Windows)，

Windows平台版本，可以用 visual studio轻松编译

[ORB-SLAM-Android, test on Sony Xperia Z]

(https://github.com/castoryan/ORB-SLAM-Android)，

Android移植，在 Sony Xperia上测试

[ORBSLAM2 on Mac OSX]

(https://github.com/meiroo/ORBSLAM2-OSX)，Mac OSX版本

[ROS interface for ORBSLAM2]

(https://github.com/ethz-asl/orb_slam_2_ros)，添加ROS接口

ORB-SLAM3 相关代码

ORB-SLAM3

2020年07月开源, 论文《ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM》

ORB-SLAM3特点

支持视觉、视觉加惯导、混合地图的SLAM系统，可以在单目，双目和RGB-D相机上利用针孔或者鱼眼模型运行。
基于特征的紧耦合的VIO系统，仅依赖于最大后验估计(包括IMU初始化时)。因此不管是在大场景还是小场景，室内还是室外都能鲁棒实时的运行，精度上相比于上一版提升了2到5倍
根据新的重定位模块来构建的多地图系统，可以让系统在特征不是很好的场景中长期运行。
第一个能够在所有算法阶段重用所有先前信息的系统，可以在BA的时候使用相隔很远的共视关键帧。

[PAPER](https://arxiv.org/pdf/2007.11898.pdf)

[CODE](https://github.com/UZ-SLAMLab/ORB_SLAM3)