Orb of mystery wow farming. 0以上版本，本教程所有代码使用的 这个事情的回答需要基于你的动机。 如果你想改进已有的算法以获得在数据集上的视觉里程计定位精度上的提升，那么我的判断是比较难。 如果你是在实际场景中发现已有的框架（例如ORB-SLAM)的定位精度不能达到论文中，或者你预想的精度，那么这个事情是可以根据实际场景讨论的。 2020-6-27 KITTI榜单 ORB-SLAM的最大硬伤就是它用的是ORB特征。 ORB特征除了性能好一些，在各类任务上都没什么优势。 不知道有多少研究者仔细测试和比较过，其实传统特征描述子最好的还是SIFT（而且专利也到期了），后来的没一个能打的。 但SIFT检测开销大也是众所周知的。 orb-slam基于研究了很久的特征点，使用dbow2库进行回环检测，具备重新定位能力，使用g2o作为global和local的优化，乃至pnp也用g2o来算。 Jul 24, 2020 · 如何显示ORB_SLAM2生成的关键帧轨迹以及如何使用evo工具评估EuRoCDataset真实际位姿轨迹和ORB_SLAM2算法的估计位姿轨迹？ _「小秋SLAM笔记」一个分享源码实践教程的公众号！ orb 命令还提供了其他一些特性，比如可以在虚拟机中 push 或 pull 来传输文件。 目前的一些局限 OrbStack 虚拟的 Linux 是不支持 GUI 的，不过这也不妨碍，我想大部分开发应该只会使用命令行去管理 Linux 运行环境吧。 另外要注意的是， 在OpenCV的视线中，256个点对的挑选顺序是硬编码进 代码，ORB-SLAM也采用的是OpenCV的实现方式 正方形内接圆的计算由于是在像素层面（离散）计算，为了保证对称性，计算的方式是先算0-45度角内的圆边界，然后对称到90度，再算到整个圆。 ORB-SLAM 3的基本流程和此前的ORB版本没有显著的改变，只是也增加了部分新特性。 基于词袋模型的关键帧数据和之前差不多，每一个关键帧均会被存入数据库用于回环检测。 ORB算法在“传统的”图像目标检测、追踪算法（不包括CNN之类的神经网络）中处于什么地位？ 以前跟一位图像处理方向的专业人士面谈，这哥们儿说ORB算法很牛，但是实现起来比较麻烦，并且他们实现的算法使用时很大比例的特征点匹配不上。 ORB-SLAM2中附带的那个ORBvoc. ORB-SLAM的最大硬伤就是它用的是ORB特征。 ORB特征除了性能好一些，在各类任务上都没什么优势。 不知道有多少研究者仔细测试和比较过，其实传统特征描述子最好的还是SIFT（而且专利也到期了），后来的没一个能打的。 但SIFT检测开销大也是众所周知的。 orb-slam基于研究了很久的特征点，使用dbow2库进行回环检测，具备重新定位能力，使用g2o作为global和local的优化，乃至pnp也用g2o来算。 Jul 24, 2020 · 如何显示ORB_SLAM2生成的关键帧轨迹以及如何使用evo工具评估EuRoCDataset真实际位姿轨迹和ORB_SLAM2算法的估计位姿轨迹？ _「小秋SLAM笔记」一个分享源码实践教程的公众号！ orb 命令还提供了其他一些特性，比如可以在虚拟机中 push 或 pull 来传输文件。 目前的一些局限 OrbStack 虚拟的 Linux 是不支持 GUI 的，不过这也不妨碍，我想大部分开发应该只会使用命令行去管理 Linux 运行环境吧。 另外要注意的是， 在OpenCV的视线中，256个点对的挑选顺序是硬编码进 代码，ORB-SLAM也采用的是OpenCV的实现方式 正方形内接圆的计算由于是在像素层面（离散）计算，为了保证对称性，计算的方式是先算0-45度角内的圆边界，然后对称到90度，再算到整个圆。 ORB-SLAM 3的基本流程和此前的ORB版本没有显著的改变，只是也增加了部分新特性。 基于词袋模型的关键帧数据和之前差不多，每一个关键帧均会被存入数据库用于回环检测。 ORB算法在“传统的”图像目标检测、追踪算法（不包括CNN之类的神经网络）中处于什么地位？ 以前跟一位图像处理方向的专业人士面谈，这哥们儿说ORB算法很牛，但是实现起来比较麻烦，并且他们实现的算法使用时很大比例的特征点匹配不上。 ORB-SLAM2中附带的那个ORBvoc. txt是拿大量通用场景下的图像提取ORB特征，分层聚类出来的，作者声称在不同场景下都有很好的效果（未验证过针对训练集的效果会不会更好）。 专门的SLAM库的话不清楚有什么是python开源的，现在在C++上也没有什么成熟的库可以直接用吧，github上开源了的ORB-SLAM，SVO，DSO，LSD等也只是开源的一个架构，按我的理解也不能算是库。 如果你是说可以用来实现SLAM的库的话，可以用 依赖库： OpenCV（强烈建议使用3. 0以上版本，本教程所有代码使用的 这个事情的回答需要基于你的动机。 如果你想改进已有的算法以获得在数据集上的视觉里程计定位精度上的提升，那么我的判断是比较难。 如果你是在实际场景中发现已有的框架（例如ORB-SLAM)的定位精度不能达到论文中，或者你预想的精度，那么这个事情是可以根据实际场景讨论的。 2020-6-27 KITTI榜单. uvvclet gnyr losnrg ade rjphmn unuox avpfbod ouaum xgqlikl sky