ORB-SLAM3 生产落地案例

五、生产落地案例

案例一：仓储 AGV 的视觉定位与地图复用。背景是一个电商仓库，需要在货架通道里让 AGV 自主定位，通道两侧是金属货架，纹理重复度极高，激光雷达方案因货架镜面反射而不稳定。做法是用双目惯性相机装在车头，先用人工遥控走一遍全场建图，把 Atlas 保存成文件；之后每台车启动时加载这张地图，系统进入定位模式，只估计位姿不再扩建地图。关键配置是开启 System.SaveAtlasToFile，把 ORBextractor.nFeatures 提到接近一千，并把 ORBextractor.minThFAST 下调，因为金属货架的纹理实在太弱。效果上，重复纹理通道里回环检测能正确识别货架编号区域，AGV 在长距离运行后没有出现累积漂移导致的错位。踩到的坑有两个：一是货架在下午会有阳光斜射进天窗，同一位置的图像特征在上午和下午差异很大，导致加载上午建的地图在下午重定位成功率下降，最终通过在通道顶部加装均匀补光解决；二是 IMU 装在了车体减震垫上，振动导致陀螺噪声远超标定值，把 IMU 移到底盘刚性位置并重新用 Allan 方差标定后，轨迹抖动明显改善。

案例二：无人机电力巡检的离线建图与在线定位。背景是变电站巡检无人机，需要在没有 GPS 信号的室内配电房飞行。做法是先用背包式采集设备走一遍配电房内部，用单目惯性模式建图并保存 Atlas，再让无人机加载该地图执行固定航线。关键配置是开启 System.LoadAtlasFromFile 与 System.thFarPoints，并把 IMU.InsertKFsWhenLost 打开，因为配电房内大量金属柜体造成特征稀疏，跟踪偶尔会短暂丢失。效果上，无人机能在预设航点附近稳定悬停，不需要每架次重新建图，节省了大量现场准备时间。踩到的坑是：建图用的相机与无人机上装的相机内参不完全一致（同型号不同个体），直接复用同一份 YAML 导致重定位后位姿有系统性偏移，最后改成每台设备单独标定内参、每台设备生成自己的配置文件才解决。这条经验可以直接推广到所有多机部署的视觉 SLAM 项目：配置文件要跟着硬件走，不能跟着型号走。

两个案例共同说明一件事：ORB-SLAM3 在实验室数据集上的表现与在产线上的表现之间，差距主要不在算法本身，而在标定质量、时间同步、光照稳定性和场景纹理这四个工程变量上。把这四件事做好，它就是一个足够可靠的定位模块。