OpenVINS

La plataforma abierta de referencia para la investigación en estimación de estado visual-inercial

Licencia

GPL-3.0

Resumen

OpenVINS, del Robot Perception and Navigation Group (RPNG) de la Universidad de Delaware, es una plataforma abierta para la investigación en navegación visual-inercial. En su núcleo hay un estimador basado en filtro construido sobre un filtro de Kalman de ventana deslizante on-manifold (del linaje MSCKF) con calibración cámara-IMU en línea, y se distribuye con los simuladores, las herramientas de evaluación y la documentación que lo convirtieron en la línea base estándar de la literatura de VIO.

OpenVINS fusiona imágenes de cámara y mediciones de IMU en una estimación de estado 6-DOF en tiempo real. El estimador es un filtro de Kalman extendido on-manifold basado en tipos, en la tradición MSCKF: los landmarks de SLAM y las trazas de características MSCKF comparten una ventana deslizante, con jacobianos de primeras estimaciones para la consistencia, calibración en línea de los intrínsecos de la cámara, los extrínsecos y el desfase temporal, y soporte para configuraciones monoculares, estéreo y multicámara. Alrededor del estimador, el proyecto proporciona un ecosistema de investigación completo: un simulador guiado por ground truth, el toolkit ov_eval para la evaluación de errores de trayectoria, wrappers de ROS 1 y ROS 2, y documentación detallada de las derivaciones subyacentes. Su sistema modular de 'tipos' permite a los investigadores añadir nuevas variables de estado (parámetros de calibración, nuevos sensores) sin reescribir las entrañas del filtro, que es exactamente la razón por la que tantos artículos de VIO comparan contra OpenVINS o construyen sobre él.

Por qué importa

OpenVINS es la línea base abierta estándar para la odometría visual-inercial: cuando se publican nuevos métodos de VIO, OpenVINS es el sistema contra el que se comparan, y sus derivaciones documentadas más sus herramientas de evaluación convirtieron la investigación rigurosa de VIO de una especialidad de laboratorios cerrados en algo que cualquier grupo puede reproducir.

Qué problema resuelve

Los robots sin GPS —drones en interiores, cascos de AR, robots con patas y móviles— necesitan una pose precisa en tiempo real a partir de sensores baratos. OpenVINS proporciona un estimador de estado cámara+IMU consistente y calibrado, más la infraestructura de simulación y evaluación para confiar en él y extenderlo.

Puntos clave

• Filtro de ventana deslizante on-manifold (linaje MSCKF) con jacobianos de primeras estimaciones para la consistencia
• Calibración en línea de los intrínsecos de la cámara, los extrínsecos cámara-IMU y el desfase temporal
• Soporte monocular, estéreo y multicámara con wrappers de ROS 1 y ROS 2
• Incluye un simulador con ground truth y el toolkit de evaluación de trayectorias ov_eval
• La línea base publicada de facto para la investigación en odometría visual-inercial

Para quién es

• Investigadores de VIO y estimación de estado
• Ingenieros de drones y AR/VR que necesitan localización sin GPS
• Estudiantes de posgrado que estudian estimación basada en filtros de Kalman
• Equipos de robótica que evalúan stacks de sensores cámara+IMU

Limitaciones

• El diseño basado en filtro sacrifica algo de precisión frente a los sistemas basados en optimización en trayectorias largas
• Sin cierre de bucles integrado en el estimador central (existe el módulo secundario ov_secondary)
• Requiere una caracterización cuidadosa del ruido de la IMU para el mejor rendimiento
• La licencia GPL-3.0 limita la productización de código cerrado