OpenVINS

视觉-惯性状态估计研究的参考开放平台

许可证

GPL-3.0

概述

OpenVINS 来自特拉华大学机器人感知与导航研究组(RPNG),是面向视觉-惯性导航研究的开放平台。其核心是基于流形上滑动窗口卡尔曼滤波器(MSCKF 一脉)的滤波式估计器,支持相机-IMU 在线标定,并附带仿真器、评测工具和文档,这些使它成为 VIO 文献中的标准基线。

OpenVINS 将相机图像和 IMU 测量融合为实时 6 自由度状态估计。估计器是 MSCKF 传统下基于类型的流形上扩展卡尔曼滤波器:SLAM 路标点和 MSCKF 特征轨迹共享一个滑动窗口,采用首次估计雅可比(first-estimates Jacobians)保证一致性,支持相机内参、外参和时间偏移的在线标定,并支持单目、双目和多相机配置。围绕估计器,项目提供完整的研究生态:真值驱动的仿真器、用于轨迹误差评测的 ov_eval 工具包、ROS 1 和 ROS 2 封装,以及对底层推导的详细文档。其模块化的"类型"系统让研究人员无需改写滤波器内部即可添加新的状态变量(标定参数、新传感器),这正是众多 VIO 论文以 OpenVINS 为基准或在其上构建的原因。

为何重要

OpenVINS 是视觉-惯性里程计的标准开源基线:新的 VIO 方法发表时,对比的系统就是 OpenVINS,其文档化的推导加上评测工具,让严谨的 VIO 研究从封闭实验室的专长变成了任何团队都能复现的工作。

解决的问题

GPS 拒止环境中的机器人——室内无人机、AR 头显、足式和移动机器人——需要用廉价传感器获得精确的实时位姿。OpenVINS 提供了一致、经过标定的相机+IMU 状态估计器,以及让人信任并扩展它的仿真和评测基础设施。

要点

• 流形上滑动窗口滤波器(MSCKF 一脉),采用首次估计雅可比保证一致性
• 相机内参、相机-IMU 外参和时间偏移的在线标定
• 支持单目、双目和多相机,提供 ROS 1 和 ROS 2 封装
• 附带真值仿真器和 ov_eval 轨迹评测工具包
• 视觉-惯性里程计研究中事实上的公开发表基线

适用人群

• VIO 与状态估计研究人员
• 需要 GPS 拒止定位的无人机和 AR/VR 工程师
• 学习基于卡尔曼滤波估计的研究生
• 评估相机+IMU 传感器组合的机器人团队

局限

• 滤波式设计在长轨迹上相比优化式系统会损失部分精度
• 核心估计器不内置回环闭合(有辅助的 ov_secondary 模块)
• 要获得最佳性能需要仔细的 IMU 噪声特性标定
• GPL-3.0 许可证限制闭源产品化