ORB-SLAM3 是由 UZ-SLAMLab 开发的开源实时 SLAM 库，支持单目、双目、RGB-D 相机及针孔与鱼眼模型。核心功能包括视觉惯性深度融合、多地图系统（Atlas）、改进的特征处理与匹配、增强闭环检测等。适用于无人机导航、AR 定位、自动驾驶、服务机器人等场景。需配置 Ubuntu 环境，依赖 OpenCV、Eigen3 等库，并提供 ROS 节点支持。
ORB-SLAM3 是由 UZ-SLAMLab 开发的开源实时 SLAM（Simultaneous Localization And Mapping，同时定位与建图）库，于 2021 年 12 月 22 日发布 V1.0 版本。作为 ORB-SLAM 系列的最新演进，它是首个能够使用单目、双目和 RGB-D 相机，结合针孔与鱼眼镜头模型，执行视觉、视觉惯性及多地图 SLAM 的实时库。在各类传感器配置下，ORB-SLAM3 均展现出与文献中最佳系统相当的鲁棒性，并在精度上显著超越。该项目不仅为学术界提供了强大的研究基准，也为工业界提供了可直接部署的高精度定位与建图解决方案。
核心价值：
技术定位：ORB-SLAM3 代表了视觉 SLAM 技术的前沿水平，通过引入惯性测量单元（IMU）融合和多地图系统，解决了长期运行中的尺度漂移、累积误差和场景变化适应等关键挑战。其开源特性促进了整个 SLAM 领域的技术进步与应用普及。
ORB-SLAM3 实现了视觉与惯性测量的紧密耦合，通过创新的惯性初始化方法，快速准确地估计尺度、重力方向、速度及 IMU 偏差。系统采用最大后验概率估计，在初始化阶段仅使用惯性测量进行优化，确保视觉 - 惯性融合的稳定性和准确性。这种深度融合使系统在快速运动、纹理缺失或动态干扰等挑战性场景中仍能保持鲁棒跟踪。
引入基于位置识别的多地图管理系统，能够创建并管理多个独立子地图。当系统检测到已访问区域时，自动进行地图合并；当跟踪丢失时，创建新的子地图。这种机制支持长期、大规模环境下的连续运行，有效解决了传统 SLAM 系统在长时间运行后因累积误差导致的地图不一致问题。系统能够智能地在不同子地图间切换，实现无缝导航体验。
除了传统的针孔相机模型，ORB-SLAM3 新增对鱼眼镜头模型的支持，特别适用于广角视觉系统。鱼眼模型处理大幅度的图像畸变，扩展了系统的适用场景，如无人机、车载环视系统等需要大视野的应用。系统提供统一的接口处理不同相机模型，用户只需在配置文件中指定相应参数即可切换。
基于 ORB（Oriented FAST and Rotated BRIEF）特征，系统在特征检测、描述和匹配环节进行了多项优化。采用多尺度金字塔策略处理不同距离的特征，增强尺度不变性。改进的特征匹配算法在保持实时性的同时提高匹配准确性，特别是在低纹理或重复纹理区域。系统支持在线图像校正，处理原始相机输入。
集成改进的 DBoW2 位置识别系统，支持视觉词袋的快速场景匹配。闭环检测模块能够准确识别已访问场景，触发全局优化以校正累积误差。重定位功能在跟踪失败后通过查询关键帧数据库快速恢复相机位姿，提高系统鲁棒性。支持多地图间的跨地图位置识别，实现子地图的智能合并。
采用三层优化策略：短期跟踪的运动估计、中期局部地图的束调整、长期闭环后的全局优化。局部束调整优化当前关键帧及其共视关键帧，确保局部一致性；全局束调整在闭环检测后优化整个地图，保证全局精度。优化过程使用 g2o 图优化库，最小化重投影误差和惯性测量误差。
提供完整的 ROS（Robot Operating System）节点，支持单目、单目惯性、双目、双目惯性及 RGB-D 相机的实时处理。ROS 节点便于与机器人系统的其他组件集成，如路径规划、控制模块和传感器融合。节点支持在线图像校正和 CLAHE 直方图均衡化（主要用于 TUM-VI 数据集）。
操作系统：
核心依赖：
基础环境准备：
确保系统已安装必要的开发工具和编译器。更新软件包列表，安装 CMake、Git 等构建工具。检查 C++ 编译器版本，确保支持 C++11 标准。
依赖库安装：
安装 Pangolin：从 GitHub 克隆仓库，创建构建目录，编译安装。安装 OpenCV：可从源码编译或使用包管理器安装。安装 Eigen3 线性代数库：通常可通过包管理器直接安装。安装 Python 开发库：sudo apt install libpython2.7-dev（Ubuntu）或使用系统预装版本（macOS）。
项目构建：
克隆 ORB-SLAM3 仓库到本地：git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git ORB_SLAM3。进入项目目录：cd ORB_SLAM3。设置脚本执行权限：chmod +x build.sh。运行构建脚本：./build.sh。构建过程将编译第三方库和 ORB-SLAM3 核心库，生成共享库文件和可执行示例。
ROS 节点构建（可选）：
如需使用 ROS 功能，需要将 Examples/ROS/ORB_SLAM3 路径添加到 ROS_PACKAGE_PATH 环境变量中。编辑.bashrc 文件，添加相应的导出语句。运行 ROS 构建脚本：chmod +x build_ros.sh && ./build_ros.sh。构建成功后，将生成相应的 ROS 节点。
相机标定文件：
ORB-SLAM3 需要相机标定参数文件，这些文件定义了相机的内参、畸变系数和传感器配置。项目为 EuRoC 和 TUM-VI 数据集提供了预配置的标定文件。用户处理自己的数据时需要创建相应的标定文件，可参考 Calibration_Tutorial.pdf 教程。
词汇表文件：
系统使用预训练的 ORB 词汇表进行位置识别，文件位于 Vocabulary/ORBvoc.txt。这个词汇表包含了 ORB 特征的视觉单词，用于快速图像匹配和闭环检测。词汇表文件较大，但只需加载一次。
运行参数调整：
用户可以根据具体应用调整系统参数，如特征数量、关键帧选择阈值、IMU 噪声参数等。这些参数影响系统的性能和精度，需要根据场景特点进行优化。配置文件采用 YAML 格式，便于阅读和修改。
环境准备与激活：
确保所有依赖库已正确安装并配置。如果使用 ROS，确保 ROS 环境已正确设置。准备输入数据，可以是数据集文件或实时相机流。
EuRoC 数据集处理：
下载 EuRoC 数据集序列（ASL 格式）。修改项目根目录下的"euroc_examples.sh"脚本，将 pathDatasetEuroc 变量指向数据集解压目录。执行脚本处理所有序列的所有传感器配置：./euroc_examples。评估轨迹精度：./euroc_eval_examples计算 RMS ATE（绝对轨迹误差）。
TUM-VI 数据集处理：
下载 TUM-VI 数据集。修改"tum_vi_examples.sh"脚本，将 pathDatasetTUM_VI 变量指向数据集目录。执行脚本处理所有序列：./tum_vi_examples。评估漂移误差：./tum_vi_eval_examples计算序列结束时的漂移。
Intel RealSense 相机支持：
项目提供了针对 Intel RealSense T265 和 D435i 相机的示例程序。对于 D435i 双目惯性相机，运行：./Examples/Stereo-Inertial/stereo_inertial_realsense_D435i Vocabulary/ORBvoc.txt ./Examples/Stereo-Inertial/RealSense_D435i.yaml。用户可根据自己的相机型号修改相应示例。
自定义相机集成：
校准相机并创建标定文件（参考 Calibration_Tutorial.pdf）。修改提供的演示程序以适应特定相机模型。构建修改后的程序。连接相机并运行 ORB-SLAM3。
单目节点：
对于单目输入话题/camera/image_raw，运行节点：rosrun ORB_SLAM3 Mono PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE。
单目惯性节点：
对于单目图像话题/camera/image_raw和惯性话题/imu，运行：rosrun ORB_SLAM3 Mono_Inertial PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE [EQUALIZATION]。可选第三个参数为 true 时应用 CLAHE 均衡化。
双目节点：
对于双目输入话题/camera/left/image_raw和/camera/right/image_raw，运行：rosrun ORB_SLAM3 Stereo PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE ONLINE_RECTIFICATION。对于鱼眼相机模型，无需在线校正。
双目惯性节点：
对于双目图像和惯性输入，运行：rosrun ORB_SLAM3 Stereo_Inertial PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE ONLINE_RECTIFICATION [EQUALIZATION]。
RGB-D 节点：
对于 RGB-D 输入话题/camera/rgb/image_raw和/camera/depth_registered/image_raw，运行：rosrun ORB_SLAM3 RGBD PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE。
ROS 示例运行：
下载 EuRoC 数据集的 rosbag（如 V1_02_medium.bag）。打开三个终端标签页，分别运行：roscore、rosrun ORB_SLAM3 Stereo_Inertial Vocabulary/ORBvoc.txt Examples/Stereo-Inertial/EuRoC.yaml true、rosbag play --pause V1_02_medium.bag /cam0/image_raw:=/camera/left/image_raw /cam1/image_raw:=/camera/right/image_raw /imu0:=/imu。加载词汇表后，在 rosbag 标签页按空格键开始播放。
运行时间测量：
在 include/Config.h 文件中取消注释 #define REGISTER_TIMES，激活时间测量功能。执行后，终端将显示时间统计信息，并存储在 ExecTimeMean.txt 文件中。这些数据有助于分析系统各模块的计算开销，指导性能优化。
场景描述：无人机在复杂环境中执行巡检、测绘或搜救任务，需要精确的自主导航能力。传统 GPS 在室内或城市峡谷中不可靠，视觉惯性 SLAM 提供补充定位方案。
解决方案：在无人机上部署 ORB-SLAM3 系统，使用双目惯性相机作为主要传感器。视觉惯性融合提供准确的 6 自由度位姿估计，即使在快速机动或短暂视觉遮挡时也能保持稳定跟踪。多地图系统支持大规模环境探索，当无人机返回基站时自动合并子地图。鱼眼镜头模型适用于广角视野，增强环境感知能力。
实施效果：
场景描述：AR 眼镜或手机 AR 应用需要将虚拟内容准确叠加到真实世界，传统基于标记或 IMU 的方法存在漂移问题，影响用户体验。
解决方案：集成 ORB-SLAM3 为 AR 设备提供稳定的视觉惯性定位。单目惯性配置在资源受限的移动设备上实现高效运行。系统实时构建稀疏特征地图，为虚拟内容提供空间锚点。闭环检测纠正长期漂移，确保虚拟对象稳定锚定。重定位功能在设备重新进入场景时快速恢复位姿。
实施效果：
场景描述：自动驾驶汽车需要精确理解周围环境，包括静态结构和动态物体。高精度地图维护成本高，视觉 SLAM 提供实时环境建模能力。
解决方案：将 ORB-SLAM3 集成到自动驾驶感知系统。双目惯性配置提供准确的尺度估计和运动状态。系统实时构建周围环境地图，识别道路特征、交通标志和障碍物。多地图系统支持城市级规模建图，不同车辆的地图可共享融合。视觉惯性融合增强在隧道、桥梁等 GNSS 受限区域的定位能力。
实施效果：
场景描述：商场导购、酒店服务或家庭助理机器人需要在动态环境中长期自主运行。传统 SLAM 系统在长时间运行后因累积误差导致地图不一致，影响导航可靠性。
解决方案：部署 ORB-SLAM3 的多地图系统，支持机器人的长期自主运行。当环境发生显著变化（如家具移动、装饰更新）时，系统创建新的子地图。基于位置识别的地图合并机制确保全局一致性。视觉惯性配置增强在人员密集区域的跟踪鲁棒性。RGB-D 支持提供更丰富的环境信息。
实施效果：
场景描述：工厂设备巡检、管道检测或结构健康监测需要精确的 3D 记录和缺陷定位。传统方法依赖预先布置的标记或高精度测量设备，部署复杂。
解决方案：使用搭载 ORB-SLAM3 的移动检测平台。双目惯性系统在复杂工业环境中提供稳定的位姿估计。系统构建设备或结构的精确 3D 模型，标注检测位置。多会话建图支持大型设施的分布检测，数据自动对齐。鱼眼镜头适用于狭窄空间的全景记录。
实施效果：
场景描述：影视制作中需要将虚拟特效准确合成到实拍场景，传统基于标记点的方法限制摄像机运动，影响创作自由度。
解决方案：在摄影机上安装惯性测量单元和相机，运行 ORB-SLAM3 实时跟踪摄像机运动。视觉惯性融合提供平滑准确的 6 自由度轨迹，支持自由运动拍摄。系统构建拍摄场景的稀疏地图，为特效合成提供空间参考。实时位姿输出驱动虚拟摄像机，实现精确的虚实合成。
实施效果：
项目信息：
学术资源：
资源内容：
快速开始：
git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git ORB_SLAM3cd ORB_SLAM3 && chmod +x build.sh && ./build.sh技术生态：
ORB-SLAM3 构建了完整的视觉惯性 SLAM 技术栈：
ORB-SLAM3 通过其创新的多地图系统和视觉惯性深度融合，将 SLAM 技术推向新的高度。无论是学术研究中的算法验证、工业应用中的高精度定位，还是教育领域的技术教学，这个项目都展现了卓越的价值。其清晰的架构设计和完整的文档支持，使得研究人员能够深入探索 SLAM 前沿，开发者能够快速集成到实际系统中。随着机器人、自动驾驶、增强现实等领域的快速发展，ORB-SLAM3 将继续在精确空间感知与定位方面发挥关键作用，推动整个行业的技术进步与应用创新。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。 在线工具，Markdown 转 HTML在线工具，online