ORB-SLAM是一種基於ORB特征的三維定位與地圖構建算法（SLAM）[1]。該算法由Raul Mur-Artal，J. M. M. Montiel和Juan D. Tardos於2015年發表在IEEE Transactions on Robotics。ORB-SLAM基於PTAM架構，增加了地圖初始化和閉環檢測的功能，優化了關鍵幀選取和地圖構建的方法，在處理速度、追蹤效果和地圖精度上都取得了不錯的效果。要注意ORB-SLAM構建的地圖是稀疏的。
ORB-SLAM一開始基於monocular camera，后來擴展到Stereo和RGB-D sensor上。作者好像還會做Semi-dense mapping的擴展。作者的開源代碼都在GIT上[2]。
ORB-SLAM算法的一大特點是在所有步驟統一使用圖像的ORB特征。ORB特征是一種非常快速的特征提取方法，具有旋轉不變性，並可以利用金字塔構建出尺度不變性。使用統一的ORB特征有助於SLAM算法在特征提取與追蹤、關鍵幀選取、三維重建、閉環檢測等步驟具有內生的一致性。
ORB-SLAM架構如下：
ORB-SLAM利用三個線程分別進行追蹤、地圖構建和閉環檢測。
一、追蹤
- ORB特征提取
- 初始姿態估計（速度估計）
- 姿態優化（Track local map，利用鄰近的地圖點尋找更多的特征匹配，優化姿態）
- 選取關鍵幀
二、地圖構建
- 加入關鍵幀（更新各種圖）
- 驗證最近加入的地圖點（去除Outlier）
- 生成新的地圖點（三角法）
- 局部Bundle adjustment（該關鍵幀和鄰近關鍵幀，去除Outlier）
- 驗證關鍵幀（去除重復幀）
三、閉環檢測
- 選取相似幀（bag of words）
- 檢測閉環（計算相似變換（3D<->3D，存在尺度漂移，因此是相似變換），RANSAC計算內點數）
- 融合三維點，更新各種圖
- 圖優化（傳導變換矩陣），更新地圖所有點
作者提供了ORB-SLAM在New College Data[3]上的時間統計，如下圖。
1. 追蹤部分，平均每幀約30毫秒，基本達到了30fps。特征提取速度是非常快的，平均11毫秒左右，非常適合於實時SLAM。姿態估計稍微耗時一些，平均需要20毫秒，特別是姿態優化需要耗費16毫秒的時間。
2. 地圖構建部分，平均每關鍵幀約385毫秒。其中生成新的點約70毫秒，Local BA約300毫秒，相對還是比較耗時的。不知道這兩部分還有沒有優化的空間。
[1] ORB-SLAM: A Versatile and Accurate Monocular SLAM System
[2] https://github.com/raulmur/ORB_SLAM2
[3] http://www.robots.ox.ac.uk/NewCollegeData/
該系列的其它文章：