我们会连续给大家放出ORB_SLAM从入门、移植，到开发的一系列开发攻略，篇篇干货，欢迎大家分享到自己朋友圈，推荐给自己的朋友们~
以前读过部分PTAM代码。 不过对于ORB_SLAM还没有接触过。最近打算有时间看一看。正好赶上ORB_SLAM2，所以直接从ORB_SLAM2入手。
文末有ORB-SLAM开源代码的iOS版本以及MacOSX版本的下载链接地址呦~
看代码以前，首先还是先跑起来看看效果再说。ORB_SLAM2代码结构非常好。依赖也比较少。主体依赖仅有DBoW2／g2o／eigen3。另外Map的绘制部分还依赖一个Pangolin。这几个库相对来说都比较好移植。
但是不知道为什么，使用Pangolin后在Mac上跑起来总是出现崩溃的问题。所以就没有使用Pangolin来绘制Map，而是自己随便绘制了一下Map的点，不过发现绘制出来稍微和现实有些差距（如下图线的地方可以看到特征点位置不准确的有些偏上，应该是画的时候哪里错误了 待调查）。
在Mac上总体上速度还是很快的（没有对代码进行任何优化，参数也没调整）。
接下来直接在iOS上测试了一下。iOS出现了严重的数据加载非常慢的问题。iPhone 5C 大约需要3，4分钟才能把词典文件载入。这个肯定是不行的。主要原因一个是词典太大未压缩的txt文件145M，另一点在于词典文件的读入方式效率太低。修改为二进制的方式读入（参考自一个fork）后，可以大大加快词典文件载入效率，在iPhone 5C上从3，4分钟提高到8秒左右可以加载完毕。
iPhone 5C的加载视频：
初次移植的版本效果不太好的地方：
针对这些问题后期做了一些改进。
-
加载词典时间目前还没有改善（目前iPhone5C 8秒），这里重新制作小一点的词典应该是可以缩短加载时间的的，不过效果上可能会受到一些影响。毕竟作者提供的词典文件是经过大量测试和验证的。
-
运行效率通过减少配置文件的特征点数（减到了500），FPS上升到了10左右，大约8-9比较多。但是这个帧率还是太低了，目前还没有想到好的优化方法。估计在CPU更加强大的手机上面应该会好些。目前效率的瓶颈首先在于ORB特征的提取。要占整体时间的大部分。提取的越多效果越好（初始化也越容易），但占用的时间会越长。ORB提取这么多点的用时是符合常理的，而且考虑到整体包括BoW都是基于ORB方案的，所以不太可能换成其他特征。所以只能考虑在保证质量的同时尝试减少提取的数量。
-
目前特征点不足时候，初始化会失败。失败后目前需要退出程序后，重新打开程序。
下为截图，可以看到在中间一大片区域没有明显特征点的情况下，Pose依然非常稳定。
从使用的体验上来说，移动摄像头的时候需要循序渐进。不能动作太大，不然会直接丢失目标。再加上帧率本身就相对低，所以在手机上整体体验的确不是很好（不过类似iPhone6/6S之类的手机CPU应该帧率会有提升）。但是slam效果非常好，Pose比较稳定和准确，重新定位时候也很容易，这一点对比PTAM还是有很大提升的。PTAM的重定位用的是基于缩略图，而ORBSLAM用特征BoW匹配可以更容易丢失后恢复。
最后附上完整视频地址（录屏时帧率稍低）：
增加Mac版本对比（Mac版本非常流畅，2000点也完全没有卡顿）
补充：两个视频中，3D模型都出现在瓶子的上方。这个版本并没有任何markerless识别的功能。完全是orbslam的默认行为，即坐标系总是基于第一个关键帧创建，由于开始建立坐标系时第一个拍摄的就是瓶子，所以坐标系会恰好建立在那里，然后人物就会恰好出现到上方。接下来会考虑加入markerlessAR识别，这样物体的位置才能确定，而不是出现在初始化地图的关键帧位置。
如何获取ORB-SLAM的iOS及MacOSX的移植版本开源代码？
长按下图，识别图中二维码，关注“泡泡机器人SLAM”（ID：paopaorobot_slam）公众号，回复 "开源" 获取
ORB-SLAM的iOS及MacOSX的移植版本开源代码
。
