OpenVINS

La plateforme ouverte de référence pour la recherche en estimation d'état visuelle-inertielle

Licence

GPL-3.0

Aperçu

OpenVINS, du Robot Perception and Navigation Group (RPNG) de l'Université du Delaware, est une plateforme ouverte pour la recherche en navigation visuelle-inertielle. En son cœur se trouve un estimateur à base de filtre construit sur un filtre de Kalman à fenêtre glissante sur variété (lignée MSCKF) avec calibration caméra-IMU en ligne, et il est livré avec les simulateurs, les outils d'évaluation et la documentation qui en ont fait la baseline standard de la littérature VIO.

OpenVINS fusionne images de caméra et mesures IMU en une estimation d'état 6 DDL en temps réel. L'estimateur est un filtre de Kalman étendu sur variété, à base de types, dans la tradition MSCKF : les amers SLAM et les pistes de features MSCKF partagent une fenêtre glissante, avec des jacobiennes aux premières estimations pour la cohérence, une calibration en ligne des intrinsèques de caméra, des extrinsèques et du décalage temporel, et la prise en charge des configurations monoculaires, stéréo et multi-caméras. Autour de l'estimateur, le projet fournit un écosystème de recherche complet : un simulateur piloté par vérité terrain, le toolkit ov_eval pour l'évaluation de l'erreur de trajectoire, des wrappers ROS 1 et ROS 2, et une documentation détaillée des dérivations sous-jacentes. Son système modulaire de « types » permet aux chercheurs d'ajouter de nouvelles variables d'état (paramètres de calibration, nouveaux capteurs) sans réécrire les entrailles du filtre — c'est exactement pourquoi tant d'articles VIO se comparent à OpenVINS ou construisent dessus.

Pourquoi c'est important

OpenVINS est la baseline ouverte standard de l'odométrie visuelle-inertielle : quand de nouvelles méthodes VIO sont publiées, OpenVINS est le système auquel elles se comparent, et ses dérivations documentées plus ses outils d'évaluation ont transformé la recherche VIO rigoureuse, d'une spécialité de laboratoires fermés en quelque chose que tout groupe peut reproduire.

Le problème résolu

Les robots privés de GPS — drones en intérieur, casques AR, robots à pattes et mobiles — ont besoin d'une pose précise en temps réel à partir de capteurs bon marché. OpenVINS fournit un estimateur d'état caméra+IMU cohérent et calibré, plus l'infrastructure de simulation et d'évaluation pour lui faire confiance et l'étendre.

Points clés

• Filtre à fenêtre glissante sur variété (lignée MSCKF) avec jacobiennes aux premières estimations pour la cohérence
• Calibration en ligne des intrinsèques de caméra, des extrinsèques caméra-IMU et du décalage temporel
• Prise en charge monoculaire, stéréo et multi-caméras avec wrappers ROS 1 et ROS 2
• Fournit un simulateur avec vérité terrain et le toolkit d'évaluation de trajectoires ov_eval
• La baseline publiée de facto pour la recherche en odométrie visuelle-inertielle

Pour qui

• Chercheurs en VIO et en estimation d'état
• Ingénieurs drones et AR/VR ayant besoin de localisation sans GPS
• Étudiants de troisième cycle étudiant l'estimation par filtre de Kalman
• Équipes robotiques évaluant des ensembles de capteurs caméra+IMU

Limites

• La conception à base de filtre sacrifie un peu de précision face aux systèmes par optimisation sur les longues trajectoires
• Pas de fermeture de boucle intégrée dans l'estimateur central (le module secondaire ov_secondary existe)
• Exige une caractérisation soignée du bruit de l'IMU pour de meilleures performances
• La licence GPL-3.0 limite la productisation en code fermé