点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

作者丨小深

来源丨深话AI

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，在公众号后台回复：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)

ORB_SLAM3-RGBD-Inertial

增加了RGBD-IMU的运行模式和ROS接口，增加了单目IMU和双目IMU的ROS接口，替换了词典为二进制格式，加载速度更快。依据ORB_SLAM3重写了RGBD-IMU的ROS接口，避免出现队列拥塞，提供了Kinect for Azure的参数文件

[CODE](https://github.com/xiefei2929/ORB_SLAM3-RGBD-Inertial)

本文仅做学术分享，如有侵权，请联系删文。

3D视觉精品课程推荐：

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~