BeeGreen的博客

目前的单目视觉惯性里程计（VIO）方法依赖于稀疏点特征，部分原因是它们的效率、鲁棒性和普遍性，而忽略了高级结构规则，例如在人造环境中常见的平面，可以进一步约束运动。一般来说，由于它们的大空间存在，因此相机可以长时间观察到平面，因此，它们适合长期导航。因此，在本文中，我们设计了一种新颖的实时单目VIO系统，该系统完全由轻量级多状态约束卡尔曼滤波器（MSCKF）中的平面特征规范化。

本文介绍了ORB-SLAM3，这是第一个能够利用单目、双目和RGB-D摄像机进行视觉、视觉惯性和多地图SLAM的系统，使用针孔和鱼眼镜头模型。第一个主要的创新是基于特征的紧密集成的视觉惯性SLAM系统，该系统完全依赖于最大后验（MAP）估计，甚至在IMU初始化阶段也是如此。其结果是一个在实时中运行的系统，在小型和大型、室内和室外环境中都能够稳健运行，并且比先前的方法更精确，精度提高了两到十倍。第二个主要创新是一个多地图系统，它依赖于一种具有改进召回率的新的地点识别方法。

**RPY角与Z-Y-X欧拉角**　　描述机体坐标系{Body}相对于参考坐标系{Earth}的姿态有两种方式。第一种是绕固定（参考）坐标轴旋转：　　(外在旋转）　　假设开始两个坐标系重合，先将机体坐标系{Body}绕参考坐标系{Earth}的X轴旋转γ，然后绕{Earth}的Y轴旋转 β，最后绕{Earth}的Z轴旋转 α，就能旋转到当前姿态。可以称其为 X-Y-Z fixed angles或RPY角(Roll, Pitch, Yaw)。由于是绕固定坐标系旋转，则旋转矩阵为（其中，cα =