ORB-SLAM2：多模态实时SLAM系统详解与源码开源

ORB-SLAM2是一篇发表在IEEE Transactions on Robotics第33卷第5期（2017年10月）的重要论文，由Raúl Mur-Artal和Juan D. Tardós撰写。该研究介绍了一个全面的实时同时定位与建图（Simultaneous Localization and Mapping, SLAM）系统，适用于单目、双目和RGB-D相机。其核心特点是开放源代码，旨在支持广泛的环境应用，包括小型手持设备的室内导航、工业无人机飞行以及城市驾驶中的汽车。 论文重点介绍了ORB-SLAM2的核心算法，其后端基于单目和双目观察的束调整（Bundle Adjustment），能够实现高精度的轨迹估计，包括尺度估计。系统设计了一种轻量级的定位模式，结合视觉 odometry（VO）跟踪技术，在未被地图覆盖的区域也能保持稳定的定位，并通过匹配地标点实现零漂移定位。这种设计使得ORB-SLAM2在保持实时性能的同时，确保了位置估计的准确性。 作者们通过在29个公开数据集上的评估，展示了ORB-SLAM2在大多数情况下达到了最先进的SLAM性能，尤其是在精度方面表现出色。为了推动SLAM领域的研究和发展，论文不仅提供了详细的算法描述，还公开了源代码，这对于学术界和业界的研究人员来说都极具价值。ORB-SLAM2作为一个强大的工具，为视觉SLAM研究者提供了学习和实践的宝贵资源，对于理解和开发高效、精确的机器人定位系统具有重要意义。