概念介绍：ORB-SLAM3 到底解决什么问题

一、概念介绍：ORB-SLAM3 到底解决什么问题

ORB-SLAM3 是一套开源的视觉惯性 SLAM 系统，由西班牙 Zaragoza 大学的研究团队维护。它的输入是相机图像，可选地再加上 IMU 数据，输出是相机在空间中的六自由度位姿轨迹以及稀疏的三维地图点。所谓 SLAM，即 Simultaneous Localization and Mapping，同时定位与建图：机器人在陌生环境里一边估算"我在哪"，一边把环境结构画出来。ORB-SLAM3 的名字里，ORB 指的是它使用的特征描述子（Oriented FAST and Rotated BRIEF），3 指的是它支持的传感器组合数量与架构代数，而不是"第三个版本"这么简单。

ORB-SLAM3 要解决的问题很具体：让一台带相机的移动设备，在只有自身传感器、没有 GPS、没有预先地图的情况下，稳定地知道自己在哪里。它在设计上有四个关键点。第一是支持多种传感器配置——单目、双目、RGB-D，并且每一种都能加 IMU 组成惯性版本，一共六种模式。第二是 Atlas 多地图系统：当跟踪丢失时，系统不是简单崩溃，而是新建一张子地图，等再次回到旧场景时通过回环检测把多张地图拼接起来。第三是基于 DBoW2 的视觉词袋重定位，让机器人在被"绑架"（被人搬动到别处）后仍有机会找回自己的位置。第四是紧耦合的视觉惯性联合优化，把 IMU 预积分与视觉重投影误差放在同一个优化问题里求解。

和相邻方案的差别值得说清楚。VINS-Mono / VINS-Fusion 同样做单目惯性里程计，基于滑动窗口优化，轨迹精度在多数公开数据集上与 ORB-SLAM3 互有胜负，但它的地图是滑动的、不做长期全局建图，回环后只做位姿图调整。LSD-SLAM、DSO 这类直接法用像素灰度误差，在弱纹理场景（白墙、走廊）比特征点法有优势，但对光照变化敏感，且不开源维护已停滞。Cartographer 主要面向 2D/3D 激光雷达，用在扫地机和 AGV 上；视觉场景里 ORB-SLAM3 更合适。选型上的经验是：要稀疏特征轨迹与重定位能力，选 ORB-SLAM3；要和激光雷达融合做稠密建图，考虑 LIO-SAM、FAST-LIO；要做语义或稠密重建，看 RTAB-Map 或 OpenVINS 加后端。

核心术语表如下，后面所有配置项都建立在这些概念上。

有一点必须提前说明：ORB-SLAM3 输出的是稀疏地图，只有几千到几十万个点。如果你要的是可以给导航用的稠密点云或八叉树地图，需要在它之上再叠加一层，例如用 ORB-SLAM3 的位姿去驱动 RTAB-Map 或 OctoMap 建图。把它当成"高精度位姿估计器 + 稀疏路标"，而不是"三维重建工具"，预期就不会错。