文章目录1、安装相关工具2、安装Pangolin3、安装opencv4、安装Eigen35、安装ORB-SLAM26、运行SLAM实例7、遇到的问题8、参考文献 1、安装相关工具 ①更新apt sudo apt-get update ②安装git sudo apt-get install git ③安装cmake sudo apt-get install cmake ④安装gcc、g++ sudo apt-get install g++ sudo apt-get install gcc 2、安装Pangolin ①安装依赖项 sudo apt-get install libglew-d

RGBD-inertial mode and its ROS interface was added to ORB_SLAM3. Two ROS interfaces Mono_inertial and Stereo_inertial were provided. Modified the loading vocabulary in a faster binary way. ORB_SLAM3-RGBD-Inertial RGBD-inertial mode and its ROS interface was added to ORB_SLAM3. ROS interfaces Mono_inertial and Stereo_inertial were provided. Modified the loading vocabulary in a faster binary way. 增加了RGBD-IMU的运行模式和ROS接口，增加了单目IMU和双目IMU的ROS接口，替换了词典为二进制格式，加载速度更快。 Command RGBD: rosrun ORB_SLAM3 RGBD /Y

ORB_SLAM2在Android上的移植过程-附件资源

orb算法的实现，基于opencv

VS2012 x64+opencv做的图像拼接，参照了别人的代码改编。 做的是左右拼接，上下的行不行没试过。 主要函数就是图像的储存位置，需要在代码里改下 测试了下还是比较稳健的，拼接效果尚可，不过重叠部分可能产生鬼影，另外接缝处有小裂缝，如果不满意，可再设计方法优化 所有代码均含注释，浅显易懂，含测试图片 运行时请自行配置好头文件和lib文件目录

该资源包是提取和跟踪的特征点使用ORB。ORB特征的提取过程非常快，适合用于实时性强的系统。该资源包没有进行编译，而是自己需要手动编译的！

这是ORB_SLAM的论文英文原文，不会FQ的可以下载

ORB特征用于图像特征点的匹配，对学习图像特征点匹配的同学很有帮助。

针对二进制描述算法（Oriented fast and Rotated Brief，ORB）尺度性配准误差大，配准率低的问题，提出一种尺度和方向改进的ORB特征匹配算法。该算法以二进制描述算法ORB为基础，构建金字塔式尺度空间，改进尺度空间结构，简化尺度空间层数和采样图像数目，使提取特征点的过程更加效率，并采用Harris函数检测特征，消除边缘特征点的影响，提取具有尺度信息的特征点；然后采用梯度方向统计方法改进传统ORB算法中通过灰度质心法计算主方向的方式，优化求解主方向邻域范围，以提高图像特征主方向的准确性。实验结果表明，改进后的ORB算法在尺度和旋转配准方面性能有很大提高，并且配准的精度较传统ORB更高，更能满足复杂图像快速精确配准的要求。

Osmap：ORB-SLAM2地图序列化 OSMAP代表Orb-Slam2地图。 这是ORB-SLAM2的序列化附录。 ORB-SLAM2是一种可视化SLAM，可从视频流生成点云（某种）地图，因此可以将自身定位在该地图中。 GitHub ar上的ORB-SLAM2代码为是开放源代码，并被用作支持其论文ORB-SLAM2的概念证明：ORB-SLAM2：一种用于单目，立体声和RGB的开源SLAM系统-D相机。 ORB-SLAM2不是最终产品。 它会生成地图，但是无法将其保存到文件中，也无法从文件中加载它们。 提出了许多建议，以将该功能添加到GitHub上的ORB-SLAM2代码中，但是将地图保存到文件的文件超出了项目的使用范围。 在分析了许多serializartion提案之后，我自己制定了一种算法，并且对地图文件有了一些经验，我决定从头开始重新启动该项目，并定义一个具有更广泛目标的文件