视觉SLAM算法
功能介绍
SLAM指定位与地图构建(Simultaneous Localization and Mapping,简称SLAM),ORB-SLAM3是其中研究较多的算法之一。TogetheROS.Bot为了方便开发者开发基于视觉SLAM的应用,集成、改进和优化了ORB-SLAM3。
- 集成和适配SuperPoint特征提取模型以优化视觉SLAM前端图像特征提取的鲁棒性,并降低CPU的运行负载。 并经过D-Robotics浮点模型转换工具转换成RDK可运行的定点模型,以降低RDK的CPU运行负载。
- 使用ROS2封装了ORB-SLAM3的点云和位姿信息发布以及图像和IMU的订阅。
- 增加了Track异步接口,分离特征提取和特征点跟踪为不同的线程,提高了处理帧率,有利于实际的工程应用。
- 新增词袋库创建程序,帮助开发者构建自己的词袋库。
本章节以ORB-SLAM3作为建图算法,使用EuRoC开源数据集以及RealSense D435i相机作为测试数据来源。
代码仓库:
(https://github.com/D-Robotics/orb_slam3)
应用场景:视觉SLAM算法能够在计算自身位置和姿态的同时计算出环境的三维结构,可实现即时定位以及构建地图的功能,主要应用于自动驾驶、智能家居、三维重建等领域。
SLAM建图案例:4.1 SLAM建图