OpenVINS

視覺慣性狀態估計研究的參考開放平台

授權條款

GPL-3.0

概述

OpenVINS 來自 University of Delaware 的 Robot Perception and Navigation Group（RPNG），是用於視覺慣性導航研究的開放平台。其核心是一個以濾波器為基礎的估計器，建構在流形上的滑動視窗卡爾曼濾波器（MSCKF 系譜）之上，具備線上攝影機與 IMU 校準；它附有模擬器、評估工具與文件，也因此成為 VIO 文獻中的標準基準。

OpenVINS 將攝影機影像與慣性量測單元（IMU）的量測值融合，產生即時的 6 自由度狀態估計。這個估計器是 MSCKF 傳統下、以型別為基礎、在流形上運作的擴展卡爾曼濾波器（EKF）：SLAM 地標與 MSCKF 特徵軌跡共用一個滑動視窗，以首次估計雅可比矩陣維持一致性，並能線上校準攝影機內參、外參與時間偏移，支援單目、雙目與多攝影機配置。在估計器之外，這個專案提供完整的研究生態系：以真值驅動的模擬器、用於軌跡誤差評估的 ov_eval 工具組、ROS 1 與 ROS 2 包裝器，以及底層推導的詳細文件。其模組化的「型別」系統讓研究人員能加入新的狀態變數（校準參數、新感測器），而不必改寫濾波器內部；這正是為什麼有這麼多 VIO 論文以 OpenVINS 為比較對象或在它之上建構。

為何重要

OpenVINS 是視覺慣性里程計的標準開放基準：新的 VIO 方法發表時，比較的對象就是 OpenVINS；而它有文件說明的推導與評估工具，讓嚴謹的 VIO 研究從封閉實驗室的專長，變成任何團隊都能重現的工作。

解決的問題

無 GPS 環境中的機器人，例如室內無人機、AR 頭戴裝置、足式與移動機器人，需要從便宜的感測器取得精度高的即時位姿。OpenVINS 提供一致、經校準的攝影機 + IMU 狀態估計器，以及能讓人信任並擴充它的模擬與評估基礎設施。

重點

• 在流形上運作的滑動視窗濾波器（MSCKF 系譜），以首次估計雅可比矩陣維持一致性
• 線上校準攝影機內參、攝影機與 IMU 的外參，以及時間偏移
• 支援單目、雙目與多攝影機，並提供 ROS 1 與 ROS 2 包裝器
• 附有真值模擬器與 ov_eval 軌跡評估工具組
• 視覺慣性里程計研究中事實上的已發表基準

適用對象

• VIO 與狀態估計研究人員
• 需要無 GPS 定位的無人機與 AR/VR 工程師
• 研究以卡爾曼濾波器為基礎之估計的研究生
• 評估攝影機 + IMU 感測器堆疊的機器人團隊

限制

• 在長軌跡上，以濾波器為基礎的設計與以最佳化為基礎的系統相比，會犧牲一些精度
• 核心估計器沒有內建迴圈閉合（另有次要的 ov_secondary 模組）
• 需要仔細描述 IMU 雜訊特性，才能發揮最佳效能
• GPL-3.0 授權限制了閉源產品化