{ "paper_id": "48f6a60021e8526606fe76df695ff6ec", "paper_title": "OKVIS2-X: Open Keyframe-based Visual-Inertial SLAM Configurable with Dense Depth or LiDAR, and GNSS", "paper_authors": [ "Simon Boche", "Jaehyung Jung", "Sebastián Barbas Laina", "Stefan Leutenegger" ], "publication_date": "2025", "publication_venue": "IEEE Transactions on Robotics (T-RO), Special Issue on Visual SLAM", "abstract": "为使移动机器人获得可用的地图以及最高的状态估计精度和鲁棒性，我们提出了OKVIS2-X：一个先进的多传感器同步定位与建图（SLAM）系统，可构建稠密体积占据地图，同时可扩展至大环境并实时运行。我们的统一SLAM框架无缝集成不同传感器模态：视觉、惯性、测量或学习得到的深度、LiDAR以及全球导航卫星系统（GNSS）测量。与大多数最先进的SLAM系统不同，我们主张在利用深度或测距能力时使用稠密体积地图表示。我们采用高效的子图策略，使系统可扩展至大环境，在最长9公里的序列中得到展示。OKVIS2-X通过地图对齐因子将估计器与子图紧耦合，从而提升精度和鲁棒性。我们的系统提供全局一致的地图，可直接用于自主导航。为进一步提升OKVIS2-X的精度，我们还引入了相机外参在线标定选项。我们的系统在EuRoC上取得相对于最先进方法的最高轨迹精度，在Hilt22 VI-only基准中超越所有竞争者，同时在LiDAR版本中也具竞争力，并在VBR数据集的多样化大规模序列中展现最先进的精度。代码可在 https://github.com/ethz-mrl/OKVIS2-X 获取。", "keywords": [ "SLAM", "Mapping", "Localization", "Sensor Fusion" ], "paper_institutions": [ "Technical University of Munich (TUM)", "ETH Zurich" ], "output_language": "zh", "provider": "doubao", "model": "glm-5.3", "prompt_template": "simple", "extracted_at": "2026-09-17T09:27:14.271527Z", "template_tag": "deep_read", "summary": "# OKVIS2-X: Open Keyframe-based Visual-Inertial SLAM Configurable with Dense Depth or LiDAR, and GNSS\n\n\n**作者 / Authors:** Simon Boche, Jaehyung Jung, Sebastián Barbas Laina, Stefan Leutenegger\n\n\n**单位 / Institutions:** Technical University of Munich (TUM), Mobile Robotics Lab (MRL), ETH Zurich\n\n\n\n**输出语言 / Output Language:** zh\n\n\n\n**发表日期 / Publication Date:** 2025\n\n\n\n**期刊/会议 / Publication Venue:** IEEE Transactions on Robotics (T-RO), Special Issue on Visual SLAM (DOI: 10.1109/TRO.2025.3619051)\n\n\n## 模块 A：阅读对齐与输入校验 / Module A: Reading Alignment and Input Check\n\n## Module A：阅读对齐与输入校验\n\n### 1. 论文元数据（Paper metadata）\n\n- **标题**：OKVIS2-X: Open Keyframe-based Visual-Inertial SLAM Configurable with Dense Depth or LiDAR, and GNSS\n- **作者**（姓名 / 单位 / 简要背景，仅限文中明确给出者）：\n - Simon Boche（慕尼黑工业大学 TUM 移动机器人实验室 MRL，博士研究生；研究方向：多传感器融合、定位与建图、移动机器人自主导航）\n - Jaehyung Jung（TUM MRL，博士后研究员；博士毕业于首尔国立大学航空航天工程；研究方向：状态估计与机器人感知）\n - Sebastián Barbas Laina（TUM MRL，博士研究生；研究方向：定位与建图、多传感器融合、自主导航）\n - Stefan Leutenegger（2025 年初起任 ETH Zurich 机械与过程工程系移动机器人副教授，此前为 TUM 助理教授；OKVIS/OKVIS2 原作者，本文通讯指导）\n- **发表载体**：IEEE Transactions on Robotics (T-RO)「Visual SLAM」特刊，2025 年已录用（DOI: 10.1109/TRO.2025.3619051），机器人领域顶级期刊。\n\n### 2. 研究定位（Research positioning）\n\n- **研究领域**：SLAM 与多传感器融合状态估计（视觉-惯性、LiDAR、学习深度、GNSS）及稠密体积建图。\n- **具体任务**：构建可配置多传感器 SLAM 系统 OKVIS2-X（OKVIS2 的实质性扩展），将状态估计器与稠密体积占据子图（volumetric occupancy submaps）通过地图对齐因子紧耦合；支持相机-IMU 外参在线标定、GNSS 全局位置融合与信号中断容忍的全局对齐，实现米级到公里级（最高 9 km）实时、全局一致的定位与建图（第 I 节、Fig. 2）。\n- **目标用户 / 应用场景**：移动机器人（无人机、手持传感平台、自动驾驶汽车）的自主导航、探索、重定位等下游任务，尤其面向大尺度、多传感器、需要可直接用于安全路径规划的占据地图场景（第 IV 节、Sec. VI-D）。\n\n### 3. 输入材料清单（Input material checklist）\n\n- **PDF**：有（含摘要、第 I–VII 节、附录 A–D、参考文献及作者简介）。\n- **附录 / 补充材料**：有（文末 SUPPLEMENTARY MATERIAL：在线外参标定扰动实验细节与 Fig. 14；真实 GNSS 融合实验细节与 Table X）。\n- **代码链接**： I 节明确声明开源发布）。\n- **数据集链接**：使用公开数据集 EuRoC、Hilti-Oxford（Hilti SLAM Challenge 2022）、VBR、GVINS dataset（\n\n### 4. 缺失材料与风险（Missing materials and risks）\n\n- **缺失项**：\n - 部分对比结果取自排行榜或原论文（Table II、Table IV 脚注 1/2），无法完全复现其运行配置；\n - 不确定性深度网络（Unimatch 与 MVS 网络 [^58] 加不确定性解码器）仅在合成数据集 TartanAir [^83] 上微调，训练代码与超参是否随主仓库发布正文未确认；\n - GNSS 实验中 SPP 解由 RTKLIB 自行计算，补充材料承认与 GVINS 原文报告精度不一致（19.99 m vs 6.036 m）。\n- **可能影响**：复现时在子图分辨率、far plane、关键帧/IMU 帧数量等配置参数上可能存在偏差（Sec. VI-G 参数研究可部分缓解）；GNSS 相关实验的绝对数值可能因 SPP 解算差异而略有不同，但结论方向（融合显著降误差）稳健。\n\n### 5. 阅读路线（Reading route）\n\n- **Step 1**：读摘要、Fig. 1/Fig. 2 与第 I 节引言，明确系统定位、四大贡献（多传感器实时融合、估计器与体积子图紧耦合、在线外参标定、大规模评测）与可配置架构。\n- **Step 2**：读第 II 节相关工作（VI-SLAM、LiDAR-VI-SLAM、GNSS 融合、稠密 SLAM、子图方法），建立与 OKVIS2、Voxgraph、Supereight2、FAST-LIVO2、Wildcat 等工作的差异认知。\n- **Step 3**：精读第 III–V 节方法核心：状态定义（Eqn. 前置）、体积占据子图与 log-odds 更新（Sec. IV, Eqn. 1–2）、不确定性感知深度融合（Sec. IV-A, Eqn. 3–10）、因子图各残差项（重投影/IMU/位姿图/地图对齐/GNSS，Eqn. 11–29）与在线外参标定扩展（Eqn. 22）。\n- **Step 4**：读第 VI 节实验：Table I 配置定义；EuRoC（Table II–III）、Hilti-Oxford（Table IV–V）、VBR 大规模（Table VI）、GNSS 中断容忍（Table VII、Fig. 10–11）、外参标定消融（Table VIII）、参数/时间/内存研究（Fig. 12–13、Table IX）。\n- **Step 5**：读第 VII 节结论与附录 A–D（误差状态定义、GNSS 协方差与雅可比、子图对齐雅可比），补齐数学推导细节。\n- **Step 6**：结合补充材料核对在线标定收敛鲁棒性（Fig. 14）与真实低精度 GNSS（SPP）实验（Table X），评估可复现性与局限。\n\n### 分类依据（Classification rationale）\n\n- 论文核心贡献是一个完整、可配置、开源的多传感器 SLAM **系统** OKVIS2-X：包含工程架构（视觉前端、实时估计器、多传感器处理器、子图接口，Fig. 2）、部署验证（桌面与机载 NVIDIA Orin NX）与大规模实测，而非单一新学习算法或综述性综合。\n- 虽含方法层新因子（无对应点的地图对齐残差 Eqn. 23、GNSS 对齐策略 Sec. V-G），但均服务于系统整体能力，故最佳单一标签为 `system`。\n\n\n## 模块 B：第一遍鸟瞰扫描（类别/上下文/正确性/贡献/清晰度） / Module B: First Pass Overview (category, context, correctness, contribution, clarity)\n\n## Module B：第一遍通读概览（First-Pass Overview）\n\n### 1. 论文类型与类别\n\n- **类型**：系统型论文（archetype: system）。核心贡献是一个完整、可配置、开源的多传感器 SLAM 系统 OKVIS2-X，为 OKVIS2 的实质性扩展（第 I 节、Fig. 2）。\n- **类别**：机器人学 / SLAM / 多传感器融合状态估计与稠密体积建图；发表于 IEEE T-RO「Visual SLAM」特刊，属领域顶级期刊的系统类工作。\n\n### 2. 研究背景与上下文\n\n- **应用需求**：移动机器人（无人机、手持平台、自动驾驶汽车）需在未知环境中同时定位与建图；视觉-惯性组合在成本与精度间折中，LiDAR 提供高精度深度，GNSS 提供全局位置但信号可能中断（第 I 节）。\n- **现有不足**：主流 VI-SLAM（ORB-SLAM3、OpenVINS、OKVIS2 等）仅构建稀疏地图，缺乏下游任务所需几何信息；稠密方法（KinectFusion、神经隐式 SLAM、DBA 类端到端系统）受内存与可扩展性制约，难以扩展到公里级场景（第 II 节 A/D）。\n- **关键论点**：体积占据地图显式表达自由/占据/未观测空间，可直接支持安全路径规划，这是点云或网格表示难以提供的（第 I 节）。\n- **技术挑战**：多传感器外参标定困难；GNSS 中断导致漂移累积；稠密地图与状态估计的紧耦合及实时性（第 I 节、Sec. V-E/V-G）。\n\n### 3. 直觉正确性检查（关键假设是否合理）\n\n- **假设 1：子图内部漂移可忽略**（Sec. IV）。合理：通过最小深度观测量、重叠度阈值与最大关键帧数 K 三重准则限制子图规模，子图内漂移近似可忽略；该策略与 Voxgraph、Supereight2 等成熟工作一致。\n- **假设 2：占据 log-odds 在表面附近近似线性，可由 L 与梯度 ∇L 外推点到表面距离**（Eqn. 23-24）。基本合理：与 Supereight2 传感器模型一致，在饱和值 L_min 范围内成立；远离表面或梯度噪声大时可能退化，论文以 Tukey 鲁棒核（Eqn. 29）与参数研究（Fig. 13）缓解。\n- **假设 3：静态立体与运动立体深度估计相互独立，可按方差倒数加权最优融合**（Eqn. 9-10）。近似合理：属经典卡尔曼式融合，但两网络共享输入图像，误差并非严格独立，为工程近似；实验（Table III、Fig. 7）支持其有效性。\n- **假设 4：GNSS 4-DoF 外参在 yaw 方差低于阈值后可视为已知并固定**（Sec. V-G2）。合理：基于近似 Hessian 逆的不确定性准则比启发式行驶距离阈值（如 [^43]）更有依据；中断后通过重初始化与类回环全局对齐（Eqn. 27-28）补偿漂移，Table VII 与 Fig. 10 给出验证。\n- **总体判断**：核心假设均有先前工作（Supereight2、Voxgraph 及作者前期工作 [^12][^13][^14]）支撑，直觉上可信，且论文以消融与参数研究提供了经验证据。\n\n### 4. 核心贡献（3-5 条）\n\n1) **统一可配置的多传感器 SLAM 系统**：实时融合视觉、惯性、GNSS，以及来自 LiDAR 或深度网络的稠密建图因子，首次以统一因子图框架支持 VI-LiDAR-GNSS、VI-Depth-GNSS 等新组合（第 I 节、Fig. 2、Table I）。\n2) **估计器与体积占据子图紧耦合**：通过无对应点的地图对齐残差（frame-to-map / map-to-map，Eqn. 23）将稠密地图信息直接反馈进优化，实现米级到公里级（最高 9 km）全局一致建图（Sec. V-F、Fig. 5、Table VI）。\n3) **相机-IMU 外参在线标定**：将相对位姿图因子扩展至 6+6N 维（Eqn. 22）并加先验正则；消融显示 causal 平均 ATE 由 0.158 m 降至 0.065 m（Table VIII）。\n4) **GNSS 中断容忍融合**：不确定性感知的 4-DoF 全局参考系初始化与固定策略，以及类回环的全局对齐处理长时信号中断（Sec. V-G、Table VII、Table X）。\n5) **大规模评测与开源**：在 EuRoC、Hilti-Oxford、VBR 上取得 SOTA 或强竞争力结果（如 VBR 9 km 序列 vil-ba 平均 ATE 0.850 m，Table VI），并开源代码（摘要、第 VI 节、\n\n### 5. 清晰度评估\n\n- **结构**：章节组织由浅入深（预备知识→建图→多传感器 SLAM→实验→附录），Fig. 2 架构图可快速把握模块划分（视觉前端、实时估计器、多传感器处理器、子图接口）。\n- **图表**：Fig. 2（架构）、Fig. 4（因子图随时间演化与在线标定）、Fig. 5（两类子图对齐因子）信息量大；Table I 的配置命名体系（vi/vid/vil/vig/vidg/vilg × c/nc/ba）是解读全部实验表的索引。\n- **公式**：Eqn. 1-29 推导完整，附录 A-D 补齐误差状态定义、GNSS 协方差与雅可比、子图对齐雅可比；符号沿用 OKVIS2 体系，对熟悉因子图优化的读者友好。\n- **可读性瑕疵**：对比表格（Table II/IV/VI）列数多、排版密集；部分对比结果取自排行榜或原论文（Table IV 脚注 1/2），运行配置不完全透明；GNSS 实验中 SPP 解算精度与 GVINS 原文报告不一致（19.99 m vs 6.036 m），补充材料已坦诚说明（Table X）。\n- **总体**：对具备 VI-SLAM 与因子图优化背景的读者，第一遍即可把握核心思想与贡献边界。\n\n### 6. 继续或停止建议\n\n- **建议：继续深入阅读（值得第二、三遍精读）**。\n- **理由**：①系统开源且工程完整，复现与二次开发价值高；②地图对齐因子（Eqn. 23、附录 D）、在线外参标定（Eqn. 22、Table VIII）、GNSS 中断对齐（Sec. V-G3、Table VII）三个技术点均有可借鉴的公式与消融证据；③若读者仅想了解多传感器 SLAM 现状，读第 I-II 节与 Table II/IV/VI 后即可停止；若需部署、复现或在其上开展研究，应精读第 III-V 节、第 VI 节参数/时间/内存研究（Fig. 12-13、Table IX）与附录 A-D。\n\n### 7. 结构大纲图\n\nmarkmap\n\n# OKVIS2-X 概览\n\n## I. 引言\n\n### 多传感器 SLAM 动机\n\n### 四大贡献\n\n## II. 相关工作\n\n### VI-SLAM\n\n### LiDAR-(VI) SLAM\n\n### GNSS 融合\n\n### 稠密 SLAM 与建图\n\n### 子图方法\n\n## III. 预备知识\n\n### 记号与坐标系\n\n### 状态定义\n\n## IV. 体积占据建图\n\n### 子图策略与 log-odds 更新\n\n### 不确定性感知深度融合\n\n## V. 多传感器 SLAM\n\n### 系统总览（Fig. 2）\n\n### 视觉前端 / 回环\n\n### VI 因子（重投影/IMU/位姿图）\n\n### 在线外参标定\n\n### 子图对齐因子\n\n### GNSS 融合与中断对齐\n\n### 总体因子图优化（Eqn. 29）\n\n## VI. 实验\n\n### EuRoC（Table II-III）\n\n### Hilti-Oxford（Table IV-V）\n\n### VBR 大规模（Table VI）\n\n### GNSS 中断容忍（Table VII、X）\n\n### 在线标定消融（Table VIII）\n\n### 参数/时间/内存（Fig. 12-13、Table IX）\n\n## VII. 结论与未来工作\n\n## 附录 A-D\n\n## 补充材料\n\n\n## 模块 C1：论文试图解决什么问题？ / Module C1: What problem does the paper try to solve?\n\n## Module C1：论文要解决什么问题？\n\n### 1. 一句话问题定义\n\n论文旨在解决：如何在实时条件下，将视觉、惯性、稠密深度（实测或学习所得）、LiDAR 与 GNSS 等多种传感器模态紧耦合融合于一个可配置的 SLAM 框架，并构建可扩展至公里级（最长 9 km）、全局一致、可直接用于自主导航的稠密体积占据地图（摘要、第 I 节、Fig. 1、Fig. 2）。\n\n### 2. 痛点与现有不足\n\n- **稀疏地图缺乏下游可用几何信息**：主流 VI-SLAM 系统（ORB-SLAM3、OpenVINS、OKVIS2 等）仅基于稀疏路标建图，无法为安全路径规划、探索等下游任务提供稠密几何（第 I 节、Sec. IV 开篇）。\n- **稠密表示难以兼顾导航可用性与大规模可扩展性**：点云/网格表示难以显式区分自由空间与未观测空间，不利于安全导航；神经隐式稠密 SLAM（NICE-SLAM、Point-SLAM 等）在公里级场景下的可扩展性存疑（Sec. II-D 末段、Sec. II-E）。\n- **多传感器外参标定与 GNSS 中断问题**：相机-IMU-LiDAR-GNSS 组合使外参精确标定变得困难；GNSS 信号在室内/遮挡环境不可靠，中断期间漂移累积（第 I 节、Sec. V-G3）。\n- **子图对齐与估计器解耦、LiDAR 融合代价高**：现有子图方法（Voxgraph、Supereight2 系）将子图全局对齐与状态估计器解耦、缺乏直接反馈；LiDAR 融合通常依赖昂贵的几何特征提取或对应点搜索（ICP/边平面特征）（Sec. II-B、Sec. II-E）。\n\n### 3. 形式化目标 / 优化目标\n\n论文将问题形式化为统一的因子图非线性最小二乘最小化（Eqn. 29，Sec. V-H）：\n\n$$c(\\mathbf{x})=\\tfrac{1}{2}\\sum\\rho_c(\\mathbf{e}_r^{iT}\\mathbf{W}_r\\mathbf{e}_r^i)+\\tfrac{1}{2}\\sum\\mathbf{e}_s^{kT}\\mathbf{W}_s^k\\mathbf{e}_s^k+\\tfrac{1}{2}\\sum\\mathbf{e}_p^{r,cT}\\mathbf{W}_p^{r,c}\\mathbf{e}_p^{r,c}+\\tfrac{1}{2}\\sum\\rho_t(e_m^2)+\\tfrac{1}{2}\\sum\\mathbf{e}_g^{jT}\\mathbf{W}_g^j\\mathbf{e}_g^j$$\n\n其中联合最小化：视觉重投影残差（Eqn. 11）、IMU 预积分残差（Eqn. 12）、相对位姿图残差（Eqn. 13，经 Schur 补边缘化路标构造，Eqn. 14–18）、**无对应点的稠密子图对齐残差**（Eqn. 23，基于 log-odds 占据值 $L(\\cdot)$ 与梯度外推点到表面距离）以及 GNSS 全局位置残差（Eqn. 26，含 4-DoF 全局对齐 $T_{GW}$）。待估状态 $\\mathbf{x}$ 包含 IMU 位姿/速度/偏置（Sec. III-B），可选增广相机-IMU 外参（Eqn. 22，Sec. V-E）与 GNSS 外参（Sec. V-G）。\n\n### 4. 成功标准（指标与期望性质）\n\n- **轨迹精度**：ATE RMSE（EuRoC、VBR）与 Hilti-Oxford 挑战赛评分——目标为达到或超越 SOTA：EuRoC 非因果平均 0.028 m 优于 ORB-SLAM3/MAVIS（Table II）；Hilti22 VI-only 榜首、VI-LiDAR 在已发表系统中排名第一（Table IV）；VBR 最长 9 km 序列 vil-ba 平均误差 0.850 m（约 0.03% 轨迹长度，Table VI）。\n- **建图质量**：mesh accuracy 与 completeness（0.2 m 阈值，marching cubes 重建 + ICP 对齐，Sec. VI-A）：EuRoC 平均 0.039 m / 56.09%（Table III），Hilti LiDAR 配置 0.029 m / 78.33%（Table V）。\n- **可扩展性与实时性**：公里级序列实时运行、内存可控（Ours-vid GPU 仅 3.51 GB；最大内存 25.5 GB，Table IX、Fig. 12）；多线程下 vi 配置最高 47 Hz（MH05）。\n- **鲁棒性**：GNSS 75 s 中断下 vilg 最终 BA 误差仅 0.169 m（Table VII）；低精度 SPP 融合将 VI 基线误差从 23.72 m 降至 5.12 m（Sec. VI-E、Table X）；在线外参标定显著提升精度且对 ±1 cm/±0.3° 初始扰动收敛（Table VIII、Fig. 14、补充材料）。\n- **系统性质**：全局一致的占据地图可直接支撑安全导航（自由/占据/未观测三分类，Sec. IV），并开源发布以促进后续研究（第 I 节贡献列表、\n\n\n## 模块 C2：有哪些相关研究？（最强基线/最相近思路/正交方向） / Module C2: What related research exists? (strongest baseline, closest approach, orthogonal directions)\n\n## Module C2：相关工作分析（What related work matters here?）\n\n### 1. 最强基线与比较轴（Strongest baselines & comparison axes）\n\n按「方法 -> 核心思想 -> 局限」梳理论文实验中直接对比的最强基线（依据 Sec. II 与 Sec. VI）：\n\n- **ORB-SLAM3 [^3]**（VI-SLAM 基线）\n - 核心思想：紧耦合、基于特征的 VI-SLAM，支持单目/双目/RGB-D 与多会话回环，长期保持公开数据集 SOTA 精度（Sec. II-A）。\n - 局限：仅构建稀疏路标地图，缺乏下游任务（导航、探索）所需的稠密几何信息（Sec. I、Sec. IV）。\n - 比较轴：EuRoC 与 VBR 的 ATE RMSE（Table II、Table VI）。EuRoC 非因果评测中本文 Ours-vi-nc 平均 0.030 m 优于 ORB-SLAM3 的 0.035 m；VBR 上本文 2.292 m vs ORB-SLAM3 5.572 m（后者含失败序列，Table VI 脚注 2）。\n- **OpenVINS [^5]**（VIO 基线）\n - 核心思想：基于 MSCKF [^15] 的滤波式 VIO，扩展长期 SLAM 路标与在线内外参标定（Sec. II-A）。\n - 局限：无回环机制，长航迹漂移显著（VBR 平均 28.770 m，Table VI）。\n - 比较轴：因果（causal）VIO 评测；本文 Ours-vi（无回环）较竞争者降低约 41% 定位误差（Sec. VI-B）。\n- **FAST-LIVO2 [^9] / FAST-LIVO [^40]**（LiDAR-视觉-惯性基线）\n - 核心思想：IEKF 框架内先做点到面 LiDAR 更新、再做图像块稀疏直接法视觉更新，frame-to-map 局部体素地图（Sec. II-B）。\n - 局限：仅存下采样点云，无法显式区分自由/未观测空间，不利于安全路径规划（Sec. VI-H 与 Table IX 讨论）。\n - 比较轴：Hilti-Oxford 挑战赛得分（Table IV：FAST-LIVO2 402.93 vs 本文 Ours-vil-ba 438.10）与 VBR ATE（Table VI：FAST-LIVO 2.475 m vs 本文因果 1.771 m / BA 0.850 m）。\n- **Wildcat [^68]**（Hilti 榜单最强已发表系统）\n - 核心思想：滑窗连续时间 LiDAR-惯性优化，构建局部 surfel 子图并对齐（Sec. II-E）。\n - 局限：纯 LiDAR-惯性（无视觉），点/面表示难以区分自由与未观测空间（Sec. II-E）。\n - 比较轴：Hilti-Oxford 总分 563.79，是唯一超过本文 Ours-vil-ba（438.10）的已发表系统（Table IV）。\n- **VILENS [^11]**（多传感器优化基线）\n - 核心思想：视觉+惯性+腿式里程计+LiDAR 线/面残差的因子图优化（Sec. II-B）。\n - 局限：依赖显著几何特征提取，子图为局部点云表示。\n - 比较轴：Hilti-Oxford 总分 325.77 vs 本文 438.10（Table IV）。\n- **GVINS [^50]**（GNSS 融合基线）\n - 核心思想：伪距、多普勒等原始 GNSS 观测与视觉惯性紧耦合（Sec. II-C）。\n - 局限：仅 VI+GNSS、无稠密建图；补充材料指出其 SPP 参考精度复现存在差异（19.99 m vs 原文 6.036 m，Table X）。\n - 比较轴：GVINS 数据集 complex_environment 序列 ATE（GVINS 4.45 m vs 本文 Ours-vig 5.12 m BA；本文禁用视觉回环且仅用 SPP 位置，Table X）。\n\n**比较轴总结**：① 轨迹精度（ATE RMSE / Hilti 得分），并按 causal / non-causal / full-BA 三种因果性细分（Table I 定义）；② 建图精度与完整度（0.2 m 阈值，Table III/V）；③ 内存与实时性（Table IX、Fig. 12-13）。\n\n### 2. 最接近的方法与关键差异（Closest approaches & key differences）\n\n- **OKVIS2 [^2]**（直接前身）\n - 核心思想：多相机关键帧 VI-SLAM，回环时将 posegraph 边还原为观测/路标并触发全图异步优化（Sec. II-A、Fig. 4）。\n - 局限：稀疏路标地图，无法服务导航等下游任务。\n - 关键差异：OKVIS2-X 为其实质性扩展——新增稠密体积占据子图与估计器经 map alignment factors 紧耦合、LiDAR/学习深度/GNSS 融合、在线相机-IMU 外参标定（Sec. I、Fig. 2、Sec. V-E）。\n- **Voxgraph [^71]**（最接近的子图对齐方法）\n - 核心思想：VIO 位姿下积分 TSDF 子图，完成后提取 ESDF 并在位姿图中对齐子图（Sec. II-E）。\n - 局限：需昂贵的 ESDF 提取；固定频率创建子图导致内存偏大；子图对齐与估计器解耦。\n - 关键差异：本文直接利用 log-odds 占据信息构造无对应点（correspondence-free）残差（Eqn. 23），无需 ESDF，且子图对齐直接反馈进实时因子图（Sec. II-E、Sec. V-F、Fig. 5）。\n- **基于 Supereight2 的弹性大规模建图 [^72][^74]**\n - 核心思想：自适应分辨率占据子图，按行驶距离/点云重叠生成与重排子图（Sec. II-E）。\n - 局限：子图重排依赖 VI 估计器更新或 ICP 配准，全局对齐与估计器解耦。\n - 关键差异：本文复用 Supereight2 [^73] 的多分辨率占据建图，但子图位姿锚定于关键帧状态并随估计器更新，frame-to-map / map-to-map 因子直接进入优化问题（Sec. IV、Sec. V-F）。\n- **作者前期三部曲 [^12][^13][^14]**\n - 核心思想：分别实现 VI-GNSS 中断容忍融合、VI-LiDAR 紧耦合占据建图、不确定性感知 VI 深度融合（Sec. I、Sec. IV-A）。\n - 局限：各自面向单一模态组合，未统一。\n - 关键差异：本文首次统一为可配置多传感器系统，支持新组合（VI-LiDAR-GNSS、VI-Depth-GNSS 等，Table I）。\n- **Simplemapping [^58] / TANDEM [^57] / SigmaFusion [^60]**（学习深度稠密 SLAM）\n - 核心思想：MVS 网络深度融合入 TSDF；Simplemapping 无建图到估计器的反馈，SigmaFusion 基于 DROID-SLAM 信息矩阵预测不确定性（Sec. II-D）。\n - 局限：建图与状态估计解耦或内存密集。\n - 关键差异：本文不确定性感知深度融合（Eqn. 3-10）与估计器紧耦合，建图精度与完整度均占优（Table III：Ours-vid 平均 0.039 m / 56.09% vs Simplemapping 0.072 m / 50.71%）。\n\n### 3. 正交方向（Orthogonal directions）\n\n- **神经隐式 / 神经点稠密 SLAM**（NICE-SLAM [^63]、UncLe-SLAM [^64]、Point-SLAM [^65]、Loopy-SLAM [^66]）：核心是外观渲染与（多）房间级场景；km 级可扩展性与对移动机器人导航的支持不明确（Sec. II-D），与本文的大尺度占据建图目标正交。\n- **几何基础模型 SLAM**（MASt3R-SLAM [^62]）：基于 point maps 的单目稠密 SLAM，技术路线与本文的多传感器因子图框架正交。\n- **原始 GNSS 观测融合**（GVINS [^50]、[^49][^51]）：利用伪距/多普勒原始观测；本文仅融合全局位置因子，作者明确承认引入原始观测误差项可显著改进系统（Supplementary Material 末段）。\n- **端到端深度 SLAM**（DeepVIO [^23]、DVI-SLAM [^24]、DBA-Fusion [^25]）：学习式轨迹回归或稠密 BA；DBA 层 GPU 内存约 24 GB（Sec. II-A），与本文模型驱动的实时优化路线正交。\n- **语义场景图 / 特殊环境多传感器**（Kimera/Kimera2 [^4][^56]、SVIn2 [^21][^22]）：语义标注网格、动态场景图或声呐等水下模态；本文聚焦几何占据、定位精度与可扩展性。\n\n### 4. 一句话定位（One-sentence positioning）\n\nOKVIS2-X 是首个将关键帧式视觉-惯性估计器与稠密体积占据子图通过地图对齐因子紧耦合的统一可配置多传感器 SLAM 系统，可按需融合 LiDAR、学习深度与 GNSS 并支持在线相机-IMU 外参标定，在米级至 9 km 级场景中实现实时、全局一致且可直接用于安全自主导航的定位与建图（Sec. I、Sec. VII、Table I/VI）。\n\n\n## 模块 C3：论文如何解决这个问题？（流程图文字版） / Module C3: How does the paper solve the problem? (include a text flowchart)\n\n## Module C3：论文如何解决问题（方法与系统机制）\n\n### 1. 核心机制概述（Core mechanism overview）\n\nOKVIS2-X 的解题思路可概括为「一个紧耦合因子图 + 三类扩展模块」：\n\n- **核心思想**：在 OKVIS2 稀疏视觉-惯性 SLAM（关键帧 + 因子图优化 + 回环）基础上，引入基于 Supereight2 多分辨率框架的稠密体积占据子图（volumetric occupancy submaps），并通过**无对应点（correspondence-free）的地图对齐因子**将子图与状态估计器紧耦合（Sec. I、Sec. V-A、Fig. 2、Fig. 5）。\n- **可扩展性来源**：每个子图锚定于关键帧位姿，子图内部漂移假设可忽略；子图位姿随估计器更新而更新，保证局部一致性；按「已集成最少深度测量数 + 与上一子图重叠率低于阈值或关键帧数达上限 K」创建新子图，使稠密建图可扩展至公里级（最高 9 km，Sec. IV、Table VI）。\n- **多传感器统一**：视觉重投影、IMU 预积分、相对位姿图、地图对齐（LiDAR 或学习深度）、GNSS 全局位置等残差全部进入同一非线性最小二乘目标（Eqn. 29），实现紧耦合融合（补充材料明确了 tight-coupled 的定义：异构传感器残差在统一优化问题中共同最小化）。\n- **鲁棒性设计**：不确定性感知深度融合（Sec. IV-A）、GNSS 中断容忍的全局对齐（Sec. V-G3）、在线相机-IMU 外参标定（Sec. V-E）。\n\n### 2. 分步分解（Step-by-step breakdown）\n\n**Step 1 — 视觉前端（Sec. V-B）**：对多帧图像提取 BRISK 关键点与描述子，与已有 3D 路标匹配（同时考虑描述子距离与重投影距离）；由关键帧内立体三角化及 live frame 与关键帧间三角化初始化新路标；依据匹配路标比例与重叠率决定关键帧；可选 Fast-SCNN 语义分割（CPU 异步执行）剔除天空观测，抑制云等慢速运动内容干扰。\n\n**Step 2 — 实时估计器（Sec. V-A、V-D、Fig. 4a-b）**：同步处理图像与 IMU，优化包含视觉重投影误差（Eqn. 11）、IMU 预积分误差（Eqn. 12，on-manifold 预积分）与相对位姿图误差（Eqn. 13）的因子图；位姿图边由联合观测经 Schur 补边际化路标构造（Eqn. 14–21），并用最大生成树（MST）选择边；旧状态被边际化并固定以保持实时性。\n\n**Step 3 — 深度网络与不确定性感知融合（Sec. IV-A、Fig. 3）**：立体网络（Unimatch 架构 + 不确定性解码器）与 MVS 网络（基于 SimpleRecon，学习 log-depth 不确定性）分别输出深度/视差及标准差；训练采用 Laplacian 损失（Eqn. 3–7），不确定性经线性化从视差传播到深度（Eqn. 5）；在两路估计独立的假设下按方差倒数最优融合（Eqn. 8–10）。网络仅在合成数据 TartanAir 上微调。\n\n**Step 4 — 体积占据子图构建（Sec. IV）**：子图锚定于关键帧状态；以 log-odds 占据概率做加性贝叶斯更新（Eqn. 1–2），观测计数 w_k 饱和于 w_max，缓解深度噪声与动态体影响；占据概率将环境分为 free / occupied / unobserved，可直接支撑安全路径规划。\n\n**Step 5 — 子图对齐因子（Sec. V-F、Fig. 5）**：两类残差——frame-to-map（live frame 与最近完成子图关键帧间）与 map-to-map（重叠超阈值的两个子图锚定关键帧间）——误差形式相同（Eqn. 23）：测量点变换到子图系后应落在表面（L=0）附近，距离 d = L/|∇L|，地图不确定度 σ_map = L_min/(3|∇L|)，总不确定度 σ = sqrt(σ_map² + σ_d²)（Eqn. 24–25）；学习深度按像素级 σ_d 加权，LiDAR 用各向同性不确定度；残差用 Tukey 鲁棒核。\n\n**Step 6 — GNSS 融合与中断容忍（Sec. V-G、Fig. 6）**：状态增广 4-DoF 变换 T_GW（首个 GNSS 测量位置处的重力对齐 ENU 系）；全局位置残差（Eqn. 26）通过 IMU 预积分把状态传播到 GNSS 时间戳；先用 SVD 对齐初始化 T_GW，再由近似 Hessian 之逆估计协方差（Eqn. 27），当 yaw 方差 p_θθ < σ_θ² 时固定全局参考系；若检测到 GNSS 长期中断（图中最后一个含 GNSS 因子的状态已被冻结），则重新初始化得到 T_GW_new，计算漂移变换 T_Wnew_W = T_GW_new⁻¹·T_GW（Eqn. 28），用旋转平均把误差分摊到中断期间所有状态，再触发全图优化。\n\n**Step 7 — 回环与全局优化（Sec. V-C）**：DBoW2 查询产生候选，3D-2D RANSAC 几何验证确认回环；将位姿图边「复活」为观测与路标（Fig. 4c），必要时合并路标；旋转平均 + 位置不一致分摊后异步优化全图，完成后同步回实时估计器并重对齐其间新建状态与路标。\n\n**Step 8 — 在线相机-IMU 外参标定（Sec. V-E、Fig. 4d）**：将外参 T_SCi（i=1..N）加入状态；相对位姿因子扩展为 6+6N 维（Eqn. 22），构造时两视图 Gauss-Newton 系统增广包含外参再边际化路标；对外参施加与机器人状态位姿先验同形式的先验正则。\n\n**Step 9 — 总体优化与输出（Sec. V-H）**：所有因子合并为统一目标（Eqn. 29）：重投影（Cauchy 核）+ IMU + 位姿图 + frame-to-map / map-to-map（Tukey 核）+ GNSS 残差；实时窗口优化 + 异步回环/全局优化 + 最终 Full-BA（位姿图边还原为重投影边），输出全局一致轨迹与可直接用于导航的稠密占据地图。\n\n### 3. 关键公式与模块角色（Key formulas / module roles）\n\n| 模块 | 关键公式 | 作用 |\n|---|---|---|\n| 状态定义 | Sec. III-B：x = [W r_S, q_WS, W v, b_g, b_a]（可增广 T_GW、T_SCi） | 定义待估计量 |\n| 占据建图 | Eqn. 1–2：log-odds 定义与递归贝叶斯更新 | 体积占据子图的概率表示，区分 free/occupied/unobserved |\n| 深度融合 | Eqn. 3–10：Laplacian 损失、不确定性传播、方差倒数融合 | 提供带像素级不确定性的稠密深度 |\n| 视觉/惯性因子 | Eqn. 11–12 | 重投影残差与 IMU 预积分残差 |\n| 位姿图因子 | Eqn. 13–21：Schur 补边际化构造 | 历史状态压缩为相对位姿约束，保持实时性 |\n| 在线标定 | Eqn. 22：6+6N 维扩展位姿因子 | 相机-IMU 外参在线优化 |\n| 地图对齐 | Eqn. 23–25：e_m = L / sqrt(L_min²/9 + σ_d²·‖∇L‖²) | 无对应点稠密残差，紧耦合估计器与子图 |\n| GNSS 因子 | Eqn. 26–28：全局位置残差、协方差可观测性判据、漂移对齐 | 全局定位与信号中断容忍 |\n| 总目标 | Eqn. 29 | 统一最小二乘，Cauchy/Tukey 鲁棒核 |\n\n### 4. 流程图（Process diagram）\n\nmermaid\nflowchart TD\n S[\"传感器输入：多相机图像 / IMU / LiDAR 或深度图 / GNSS\"] --> FE[\"视觉前端：BRISK 特征+匹配+三角化+语义分割 (Sec. V-B)\"]\n S --> DN[\"深度网络：立体网络+MVS网络，输出深度与不确定性 (Sec. IV-A)\"]\n S --> MSP[\"多传感器处理器：GNSS 残差 / LiDAR 运动去畸变 (Sec. V-A)\"]\n FE --> RE[\"实时估计器：因子图优化 Eqn.29（重投影11+IMU12+位姿图13+外参22）\"]\n MSP --> RE\n MSP --> SI[\"子图接口：log-odds 占据更新 Eqn.1-2，子图创建与锚定 (Sec. IV)\"]\n DN --> SI\n RE -- \"关键帧位姿更新子图锚定\" --> SI\n SI -- \"frame-to-map / map-to-map 因子 Eqn.23-25\" --> RE\n FE --> LC[\"回环检测：DBoW2 + 3D-2D RANSAC (Sec. V-C)\"]\n LC --> GO[\"异步全图优化，完成后同步回实时估计器\"]\n MSP -- \"GNSS 中断检测：重初始化 T_GW + 漂移分摊 Eqn.26-28\" --> GO\n RE --> OUT[\"输出：全局一致轨迹 + 稠密体积占据地图（可直接用于导航）\"]\n``n\n\n### 5. 推理链小结（为什么这样设计有效）\n\n- **为何选占据子图而非点云/网格/神经隐式**：占据概率显式表达 free space，可直接支撑安全路径规划；子图化降低数据结构深度、控制内存，且子图位姿可随估计器更新（Sec. I、Sec. IV、Sec. II-E）。\n- **为何紧耦合有效**：地图对齐残差直接进入 Eqn. 29，估计与建图互为反馈，区别于 Voxgraph / Supereight2 等将全局对齐与估计器解耦的方案（Sec. II-E）。\n- **为何无对应点残差可行**：LiDAR/深度点只需落在子图表面（L=0）附近，由 log-odds 值与梯度线性外推距离，免去几何特征提取或 ICP 对应搜索这一昂贵步骤（Sec. II-B、Sec. V-F）。\n- **效果佐证**：EuRoC 非因果 VI-SLAM 平均 ATE 0.030 m，优于 ORB-SLAM3 的 0.035 m（Table II）；Hilti-Oxford VI-LiDAR 配置在已发表方法中总分居首，仅次于纯 LiDAR-惯性系统 Wildcat（Table IV）；VBR 9 km 序列 vil-ba 平均 ATE 0.850 m（约 0.03% 轨迹长度，Table VI）；GNSS 中断实验中 vilg 最终 BA ATE 仅 0.169 m（Table VII）。\n\n\n## 模块 C4：实验数据集与实现设置（数据集/场景、为何选择、验证哪些关键特性） / Module C4: Datasets and implementation settings (what datasets/scenarios, why chosen, what they validate)\n\n## Module C4：数据集、基准与实现/评测设置\n\n### 1. 数据集与基准清单（浅层理解）\n\n| 数据集 | 规模 | 场景与传感器 | 在本文中的用途 |\n|---|---|---|---|\n| **EuRoC** [^89] | 11 段序列（MH01–MH05、V101–V203），航程数十米 | 无人机（MAV）采集的双目图像 + IMU；Vicon 房间毫米级真值轨迹与点云 | VI/V-SLAM 轨迹精度（ATE RMSE，Table II）与建图精度/完整度（Table III） |\n| **Hilti-Oxford** [^90] | 手持平台，数百米；定位序列 exp01/02/03/07/09/11/15/21，建图序列 exp04/05/06 | 5 相机 + IMU + 32 线 LiDAR；稀疏控制点与毫米级稠密点云真值 | VI 与 VI-LiDAR 配置评测（Table IV–V）、在线外参标定消融（Table VIII）、与 Hilti SLAM Challenge 2022 排行榜对比 [^93] |\n| **VBR（A Vision Benchmark in Rome）** [^1] | 8 段序列：Colosseum 1.451 km、Diag 1.037 km、Pincio 1.277 km、Spagna 1.562 km、Campus0 2.735 km、Campus1 2.925 km、Ciampino0 9.008 km、Ciampino1 5.200 km | 车载双目相机 + IMU + LiDAR；罗马真实城市场景（动态物体、光照变化、结构化/非结构化环境） | 大尺度（最高 9 km）可扩展性与多传感器配置评测（Table VI）、GNSS 中断容忍模拟实验（Table VII） |\n| **GVINS dataset** [^50] | complex_environment 序列近 3 km | 双目相机 + IMU + ZED-F9P GNSS 接收机；提供 RTK 解与原始观测（伪距、多普勒等）；室内外过渡、遮挡环境 | 真实低精度 GNSS（SPP）融合验证（Sec. VI-E、Fig. 11、补充材料 Table X） |\n| **TartanAir** [^83] | 合成数据集 | 合成图像 + 真值视差/深度 | 仅用于不确定性增强立体网络与 MVS 网络的微调训练（Sec. IV-A） |\n\n### 2. 预处理、划分与覆盖设置（中层分析）\n\n- **EuRoC（Sec. VI-B）**：双目图像对输入立体网络，左目图像输入 MVS 网络；另实现 Ours-v（用恒速模型替代 IMU 预积分）以展示系统通用性；结果报告 10 次运行的中位数；V203 因运动模糊/图像丢失/曝光剧烈变化对纯视觉配置构成失败序列（脚注 2，从均值中剔除）。\n- **Hilti-Oxford（Sec. VI-C）**：5 台相机全部用于视觉-惯性估计器，前置 2 台相机用于立体网络，前左相机用于 MVS 网络；开启相机-IMU 外参在线标定（细节见 Sec. VI-F）；far plane（最大有效积分深度）设为深度融合 3 m、LiDAR 30 m；鉴于排行榜性质，报告 3 次运行的最佳分数（括号内为中位数）。\n- **VBR（Sec. VI-D）**：仅使用立体网络——MVS 网络在开阔天空下因深度平面参数化（非逆深度）输出噪声深度；立体网络额外以 2 级图像金字塔 + 细化步骤 [^79] 微调；子图体素分辨率按传感器配置与序列尺度设为 10 或 20 cm；far plane：LiDAR 30 m、立体网络 10/15 m（手持/驾驶序列）；所有对比方法使用相同标定参数；FAST-LIVO 的 rosbag 以 0.2 倍实时速率回放以保证其处理所有测量；报告 3 次运行中位数。\n- **GNSS 实验（Sec. VI-E）**：\n - VBR Campus1 模拟 RTK-GNSS：对真值轨迹施加水平 1 cm、垂直 2 cm 高斯噪声；模拟 75 秒（约 450 m）信号中断，且中断区段选在街道较窄、建筑较高的区域以贴近真实场景。\n - GVINS complex_environment：用 RTKLIB [^94] 从原始观测自行计算 SPP 解作为低精度 GNSS 输入；以有效 RTK 固定解区段为参考、6DoF 对齐后评估 RMSE ATE；为与 GVINS 公平对比，关闭视觉回环。\n- **统一评测协议（Sec. VI 开篇与 Sec. VI-A）**：所有评测串行执行以确保不丢帧；补偿已知的相机-IMU 时间偏移（如 Hilti-Oxford），以及 LiDAR、GNSS 相对 IMU 的时间偏移。\n- **指标定义（Sec. VI-A）**：\n - 轨迹：SE(3) 对齐后的 ATE RMSE（EuRoC、VBR）；Hilti-Oxford 采用官方分数（位置误差 0–10 cm 线性映射到 0–100 分）。\n - 建图：marching cubes [^91] 重建子图网格并按子图位姿合并；顶点按 1 cm³ 体素下采样后做 point-to-plane ICP 对齐；accuracy = 估计顶点到真值 0.2 m 内的平均距离；completeness = 真值顶点落在估计顶点 0.2 m 内的比例；仅对梯度超阈值且被观测至少 3 次的表面建网格以滤除噪声（Sec. VI-B）。\n- **配置命名体系（Table I）**：按传感器组合（vi / vig / vid / vidg / vil / vilg）与估计器因果性（-c 因果、-nc 非因果回环后、-ba 全 BA 精化）系统化定义各评测变体，保证消融维度清晰。\n\n### 3. 训练 / 推理 / 评测环境（中层分析）\n\n- **训练设置（Sec. IV-A）**：在 Unimatch [^79]（立体）与 MVS 网络 [^58]（SimpleRecon 架构）基础上增补不确定性解码器，采用 Laplacian 损失（Eqn. 3–10）学习偶然不确定性；**仅在合成数据集 TartanAir 上微调**，未使用任何真实数据训练。\n- **推理/评测硬件（Sec. VI-H）**：Desktop，i7-13700 CPU + RTX-3080 10GB GPU；GPU 显存方面 Ours-vid 的 MVS + 立体网络仅占 3.51 GB；另在搭载 NVIDIA Orin NX 的无人机上完成机载演示（补充视频）。语义分割网络 Fast-SCNN [^85] 微调版在 CPU 上异步推理（Sec. V-B）。\n- **实时性数据（Sec. VI-H、Fig. 12）**：MH05 上 Ours-vi 达 47 Hz，MVS 线程 8 视图 13 Hz；exp06 上 Ours-vi 10 Hz、Ours-vid 8 Hz、Ours-vil 实时估计器 8 Hz / 子图接口 3.5 Hz；Campus1 上 Ours-vi 16 Hz，GNSS 融合开销可忽略。与 ORB-SLAM3 的 wall time 对比：MH05 38.1 vs 64.7 ms、exp06 112.3 vs 116.1 ms、Campus1 107.3 vs 69.1 ms（但精度 2.499 m vs 7.289 m）。\n- **内存基准（Table IX）**：exp06 上 Ours-vi 4.86 GB / Ours-vid 11.62 GB / Ours-vil 11.51 GB（FAST-LIVO 3.97 GB）；Campus1 上 Ours-vil 25.5 GB（FAST-LIVO 15.0 GB）——体积占据图存储自由空间导致内存高于点云方法，但可直接服务导航。\n- **标定与消融设置（Sec. VI-F、补充材料）**：在线标定先验取平移 1 mm / 旋转 0.29°（实时轨迹），全 BA 放宽至 3 mm / 0.92°；外参扰动鲁棒性实验在 exp06 上以均匀分布 ±1 cm、±0.3° 扰动 5 台相机、10 次运行，最终标准差仅 0.08 cm / 0.02°（Fig. 14）。\n- **参数研究设置（Sec. VI-G、Fig. 13）**：扫描关键帧数 kf、IMU 帧数 if、子图因子数 ns（map-to-map 因子设为 frame-to-map 的 5 倍）与体素分辨率 res；EuRoC 全序列与 VBR Campus0，各 10 次独立运行统计 10/50/90 分位数。\n\n### 4. 选择理由与验证目标（深层分析）\n\n- **尺度谱系完整覆盖**：EuRoC（数十米、无人机）→ Hilti-Oxford（数百米、手持）→ VBR（最高 9 km、车载），恰好对应论文“米级到公里级可扩展、实时、全局一致”的核心主张（Sec. VI 开篇），直接检验子图策略在大尺度下的漂移控制与内存效率（Table VI、IX）；9 km 的 Ciampino0 上 Ours-vil-nc 平均 ATE 0.829 m（约 0.009% 轨迹长度）是可扩展性的关键证据。\n- **传感器模态与贡献一一对应**：EuRoC 验证 VI 基线与深度网络融合的精度增益；Hilti-Oxford 验证多相机 + LiDAR + 在线外参标定（Table VIII 消融显示在线标定将 Ours-vi-c 平均 ATE 从 0.158 m 降至 0.065 m）；VBR 验证 VI-LiDAR 配置及对动态物体（Colosseum、Spagna）与数据损坏（Campus*/Ciampino* 存在 IMU 缺失片段）的鲁棒性；GVINS 验证真实低精度 GNSS 融合——SPP 解本身误差 19.99 m 的情况下，仍将 VI 基线误差从 23.72 m 降至 5.12 m（final BA，Table X）。\n- **真值质量分级支撑精度声明**：EuRoC 与 Hilti-Oxford 提供毫米级真值，支撑厘米级定位（Hilti VI-LiDAR 平均 4.1 cm）与建图（4.2 cm accuracy，Table V）声明；VBR 提供位姿真值支撑公里级漂移评估；GVINS 以 RTK 解为参考评估 SPP 融合。\n- **合成训练 → 真实部署的泛化验证**：深度网络仅在 TartanAir 微调，却在真实数据集上取得可靠深度与建图质量（Fig. 3、Table V），验证不确定性感知融合（Eqn. 3–10）对域差距的容忍度，也说明系统不依赖特定网络的声明（Sec. IV-A）。\n- **公平性措施降低实现偏差**：统一标定参数、串行运行防丢帧、时间偏移补偿、多次运行取中位数/最佳、为 FAST-LIVO 降速回放、与 GVINS 对比时关闭视觉回环——这些设置（Sec. VI、VI-D、VI-E）系统性排除了工程实现差异对结论的干扰。\n- **局限与风险提示**：部分对比数字取自排行榜或原论文（Table II、Table IV 脚注 1/2），其运行配置无法完全复现；补充材料承认自算 SPP 解精度与 GVINS 原文不一致（19.99 m vs 6.036 m），GNSS 实验绝对数值可能存在偏差，但“融合显著降低误差”的结论方向稳健；VBR 上 MVS 网络被弃用（逆深度参数化问题）说明深度网络选择对场景敏感，复现时需注意。\n\n\n## 模块 C5：指标与结果（指标、结果、各指标对应的创新点） / Module C5: Metrics and results (metrics, results, which innovations each metric reflects)\n\n## Module C5：指标与结果（Metrics and Results）\n\n### 1. 评估指标（浅层：指标定义，Sec. VI-A）\n\n- **轨迹精度 ATE RMSE [m]**：估计轨迹先与真值做 SE(3) 对齐，再计算绝对轨迹误差（ATE）的均方根。用于 EuRoC（Table II）与 VBR（Table VI）。\n- **Hilti-Oxford 定位分数**：按挑战赛规则，将控制点位置误差 [^0] [^10] cm 线性映射为 [^0] [^100] 分，各序列求和为总分（Table IV）。\n- **建图精度 Accuracy [m]**：用 marching cubes 将子图重建为网格并按子图位姿拼接；估计与真值顶点按 1 cm³ 体素降采样后做 point-to-plane ICP 对齐；报告“估计顶点到真值距离 ≤0.2 m 者的平均距离”。\n- **建图完整度 Completeness [%]**：真值顶点中与估计顶点距离 ≤0.2 m 的比例（Table III、Table V）。\n- **因果性评测模式（Table I）**：Causal（仅用当前时刻前的测量，在线轨迹）、Non-causal（回环闭合后的最终轨迹）、Full-BA（位姿图边还原为重投影边后的全局光束法平差）。方法命名如 Ours-vi-c / Ours-vil-ba 表示传感器配置 × 因果性。\n- **效率指标**：每帧耗时 ms（多线程并行，Fig. 12）、wall time 对比（Sec. VI-H）、峰值内存 GB（Table IX）、GPU 显存（3.51 GB，Sec. VI-H）。\n\n### 2. 主要结果（中层：具体数字）\n\n#### 2.1 EuRoC（无人机，Table II）\n\n- VI-SLAM 非因果：Ours-vi-ba / Ours-vid-ba 平均 ATE **0.028 m**，优于 ORB-SLAM3（0.035 m）与 MAVIS-SLAM（0.034 m）；因果模式 Ours-vi-c 为 0.048 m。\n- VIO（无回环）对比：Ours-vi 平均 0.066 m，较 OpenVINS（0.117 m）与 Kimera2（0.112 m）**降低约 41%** 误差。\n- V-SLAM：Ours-v-ba 平均 0.040 m，与 ORB-SLAM3 持平；V203 因运动模糊/曝光剧烈变化对纯视觉方法均困难（Ours-v-c 1.133 m，视为失败序列剔除）。\n- 建图（Table III，0.2 m 阈值）：Ours-vid（完整融合）平均精度 **0.039 m**、完整度 **56.09%**，优于 Simplemapping（0.072 m / 50.71%）；单目配置 Ours-vid (Mono) 0.055 m / 53.49% 亦优于对手；Fig. 7 显示房间边缘处网格精度改善。\n\n#### 2.2 Hilti-Oxford（手持平台，Table IV/V）\n\n- VI-only 非因果：Ours-vid-ba 总分 **177.59**（中位 148.02），显著超过已发表 VI 竞品（BAMF-SLAM 40.86、MAVIS 150.62、ORB-SLAM3 22.25）；Ours-vi-ba 167.47。\n- VI-LiDAR：Ours-vil-ba 总分 **438.10**，在已发表 VIL 系统中居首，优于 FAST-LIVO2（402.93）与 VILENS（325.77），仅次于此前的纯 LiDAR-惯性系统 Wildcat（563.79）。\n- 绝对位置误差：vil 平均 **4.1 cm**（剔除长走廊退化序列 exp07 后 2.8 cm）；vid-ba 剔除低光失败序列 exp03 后平均 **7.0 cm**（Fig. 8：黑暗房间中 LiDAR 补偿视觉失效）。\n- 建图（Table V）：Ours-vid 平均精度 0.042 m / 完整度 64.27%；Ours-vil **0.029 m / 78.33%**（far plane：深度网络 3 m，LiDAR 30 m；Fig. 9）。\n\n#### 2.3 VBR（车载，最长 9 km，Table VI）\n\n- VI 非因果：Ours-vid-ba 平均 **2.206 m**，Ours-vi-nc 2.292 m；ORB-SLAM3 平均 5.572 m 且多次系统失败；OpenVINS（因果、无回环）28.770 m。\n- VI-LiDAR：因果 Ours-vil-c 平均 **1.771 m**（约轨迹长度的 0.06%）已优于 FAST-LIVO（2.475 m）；非因果 Ours-vil-nc **0.829 m**、Ours-vil-ba 0.850 m —— 在 9.008 km 的 Ciampino0 序列上保持**亚米级**精度。\n- 鲁棒性：在 Colosseum/Spagna 等强动态场景及 Campus*/Ciampino* 存在 IMU 数据缺失的序列中，对比系统精度退化或失败，OKVIS2-X 保持稳定（Sec. VI-D）。\n\n#### 2.4 GNSS 融合\n\n- 模拟 RTK + 75 s / 450 m 信号中断（VBR Campus1，Table VII）：Ours-vilg 全程 Final BA ATE **0.169 m**（近 3 km 轨迹），中断段 0.386 m；Ours-vig 0.661 m、Ours-vidg 0.636 m；无 GNSS 基线 Ours-vi / Ours-vil 为 2.471 / 0.875 m。Fig. 10 展示中断结束时的全局对齐修正跳变。\n- 真实低精度 SPP 融合（GVINS complex_environment，约 3 km，Table X）：Ours-vig 由 VI 基线 23.72 m 降至 **12.51（因果）/ 8.47（非因果）/ 5.12 m（Final BA）**；SPP 本身 19.99 m，GVINS 4.45 m（本文禁用视觉回环以公平对比；补充材料承认 SPP 解算精度与 GVINS 原文 6.036 m 不一致）。\n\n### 3. 与基线/代表性先前工作的对比（深层：横向定位）\n\n- **vs. ORB-SLAM3 / MAVIS-SLAM（稀疏 VI-SLAM）**：EuRoC 非因果平均 0.028 vs 0.035 / 0.034 m（Table II）；VBR 上优势扩大（2.206–2.292 vs 5.572 m，Table VI），且 ORB-SLAM3 在长序列出现失败。\n- **vs. OpenVINS / Kimera2（VIO）**：EuRoC 误差降低 41%（0.066 vs 0.112–0.117 m，Table II）；VBR 上因无回环在 km 级场景漂移巨大（28.77 m）。\n- **vs. FAST-LIVO2 / VILENS / Wildcat（LiDAR 融合）**：Hilti 总分 438.10，超过 FAST-LIVO2（402.93）与 VILENS（325.77），仅次 Wildcat（563.79，纯 LiDAR-惯性）；主要瓶颈为 exp07 长走廊（LiDAR 沿运动方向几何退化，Sec. VI-C）。\n- **vs. Simplemapping（稠密建图）**：同指标下精度 0.039 vs 0.072 m、完整度 56.09% vs 50.71%（Table III）；且本文建图与状态估计紧耦合（有反馈），Simplemapping 无映射反馈。\n- **vs. GVINS（GNSS 融合）**：仅用 SPP（无伪距/多普勒原始量测）时 5.12 vs 4.45 m，仍具竞争力；作者明确不声称 GNSS 融合整体优越（补充材料、Table X）。\n- **vs. FAST-LIVO（内存/效率）**：本文因显式存储自由空间体素，内存更高（exp06：11.5–11.6 vs 3.97 GB；Campus1：25.5 vs 15.0 GB，Table IX），但地图可直接用于安全导航；wall time 上 MH05 更快（38.1 vs 64.7 ms）、exp06 持平（112.3 vs 116.1 ms）、Campus1 更慢（107.3 vs 69.1 ms）但精度 2.499 vs 7.289 m，权衡值得（Sec. VI-H）。\n\n### 4. 消融、敏感性与综合（深层：机理与权衡）\n\n- **在线外参标定消融（Table VIII，Hilti exp04–06）**：Ours-vi-c 平均 ATE 由无标定 0.158 m 降至在线标定 0.065 m；离线后标定（Post-calibration）0.050 m 甚至更优，说明在线估计的外参接近真值；非因果/BA 配置一致改善（0.139→0.042→0.034 m；0.082→0.032→0.032 m）。\n- **初值扰动鲁棒性（Sec. VI-F、补充材料 Fig. 14）**：对 5 相机外参施加 ±1 cm、±0.3° 均匀扰动，10 次运行结束时标准差仅 0.08 cm / 0.02°，表明在线标定可靠收敛（约 190 s 处突变来自回环提供的新信息）。\n- **参数敏感性（Fig. 13）**：vid 模式增加关键帧/IMU 帧/子图因子数/更细体素主要增加耗时，精度在默认配置（灰柱）即饱和（受网络深度精度上限制约）；vil 模式增加子图因子数可提升精度，但更细体素因占据场与梯度噪声未必更好；关键帧/IMU 帧数影响较小（子图因子主导）。默认配置在精度-耗时上平衡良好。\n- **实时性与部署（Fig. 12、Sec. VI-H）**：MH05 上 Ours-vi 达 47 Hz，MVS 线程 13 Hz；exp06 上 vi 10 Hz、vid 8 Hz、vil 估计器 8 Hz / 子图接口 3.5 Hz；Campus1 上 vi 16 Hz，GNSS 融合开销可忽略；系统可在机载 NVIDIA Orin NX 上运行（补充视频）。\n- **综合结论**：跨数据集（室内无人机→手持→车载 9 km）结果一致支持论文主张——子图对齐因子紧耦合 + 多传感器可配置带来 SOTA 轨迹精度与可直接用于导航的全局一致稠密占据地图；代价是相对稀疏/点云方法更高的内存占用，以及学习深度精度上限对 vid 模式定位/建图精度的约束（Sec. VI-B、VI-G）。\n\n\n## 模块 C6：有什么可以进一步探索的点？（理论/工程/数据/评测） / Module C6: What can be further explored? (theory/engineering/data/evaluation)\n\n## Module C6：未来可探索方向（What could be explored next?）\n\n本模块基于论文结论（Sec. VII）、补充材料（SUPPLEMENTARY MATERIAL）以及正文暴露的局限，从理论、工程、数据/评测三个维度梳理后续可探索方向，并给出优先级建议。\n\n### 1. 理论方向（Theory）\n\n- **原始 GNSS 观测量的紧耦合融合**：当前系统仅融合全局位置残差（Eqn. 26），补充材料\"GNSS Fusion - Details\"明确承认：采用基于原始观测（伪距 pseudorange、多普勒 Doppler）的误差项（如 GVINS [^50] 的做法）可显著改进系统。理论工作可推导原始观测量的误差模型与雅可比（类比附录 B/C 的协方差与雅可比推导），并研究多径、NLOS 污染下的鲁棒核与外参初始化理论。\n- **学习深度的不确定性建模**：Sec. IV-A 通过 Laplacian 损失（Eqn. 4–8）学习 aleatoric 不确定性，但网络仅在合成数据 TartanAir [^83] 上微调；可探索 epistemic 不确定性建模、跨域（合成→真实）泛化的理论保证，以及像素不确定性到占据 log-odds 更新（Eqn. 1–2）的严格贝叶斯传播。\n- **子图漂移与可观测性理论**：子图策略隐含\"子图内漂移可忽略\"假设（Sec. IV），可形式化子图内漂移上界与关键帧数上限 K、重叠率阈值之间的定量关系；GNSS 外参可观测性判据（Sec. V-G2 中基于 Hessian 逆的 p_θθ < σ_θ² 准则）可推广为一般性的 4-DoF 全局对齐可观测性分析，替代 [^43] 的启发式距离阈值。\n- **动态环境与长期地图一致性**：log-odds 饱和更新（Eqn. 2）仅部分缓解动态实体与深度感知误差的影响（Sec. IV），动态物体的严格概率建模、地图变化检测（change detection）理论尚属空白——Sec. VII 已将 dynamic objects 与 change detection over time 列为未来工作。\n\n### 2. 工程方向（Engineering）\n\n- **在线标定能力扩展**：结论（Sec. VII）明确提出在线标定传感器时间偏移（time offset）、LiDAR 外参与 GNSS 天线外参；当前仅支持相机-IMU 外参在线标定（Sec. V-E, Eqn. 22, Fig. 4(d), Table VIII），而 GNSS 天线位置 S r_A 仍假设先验已知（Sec. V-G1），相机-IMU 时间偏移仅靠数据集提供（Sec. VI 开头）。\n- **按需地图存取与无限可扩展性**：Sec. VII 提出按需局部在线地图保存/加载（on-demand local online map saving and loading）机制，可支持更细占据分辨率与实际无限大的地图；当前内存开销高于稀疏方法（Table IX：VBR Campus1 上 Ours-vil 达 25.5 GB vs FAST-LIVO 15.0 GB），是工程优化的直接目标。\n- **多会话重定位（multi-session relocalization）**：当前仅支持单会话内回环（Sec. V-C），多会话重定位被列为未来工作（Sec. VII），可借鉴 ORB-SLAM3 [^3] 的多地图机制与 Solver [^78] 的子图级重定位思路。\n- **开放词汇场景理解**：Sec. VII 提出在体积占据地图上叠加开放词汇（open-vocabulary）语义层，使地图同时服务导航与语义推理。\n- **嵌入式部署与算力裁剪**：Sec. VI-H 与补充视频展示系统可在无人机载 NVIDIA Orin NX 上运行；进一步的关键点数/网络分辨率/far plane 裁剪、网络量化（当前 GPU 占用仅 3.51 GB，Sec. VI-H）可提升机载实时性与续航。\n\n### 3. 数据与评测方向（Data & Evaluation）\n\n- **真实 GNSS 大规模基准**：现有 GNSS 实验依赖仿真 RTK（VBR Campus1 加噪模拟，Sec. VI-E）与自行解算的 SPP（GVINS complex_environment，Sec. VI-E、Table X），且补充材料承认 SPP 精度与原文献不一致（19.99 m vs 6.036 m）。亟需带精确 RTK 真值、含长时真实信号中断的城市峡谷公开数据集，以公平对比 GVINS、MINS [^45] 等方法。\n- **传感器退化场景专项评测**：exp07 长直走廊（LiDAR 退化，Sec. VI-C）与 exp03 低光黑屏（Fig. 8, Sec. VI-C）暴露单模态退化问题；可构建系统性退化基准（黑暗、走廊、雨雾、玻璃幕墙、动态人群），量化多模态互补收益。\n- **下游任务闭环评测**：论文核心主张占据地图可直接用于安全导航（Sec. I、Sec. IV），但评测止于轨迹 ATE 与建图 accuracy/completeness（Table II–VII）；应增加导航成功率、探索效率、重定位召回率等下游指标（可结合团队工作 [^76][^77][^78] 形成闭环基准）。\n- **更大规模与更长时序**：当前最长序列为 9 km（VBR Ciampino0，Table VI）；可评测数十公里、跨天/跨季节序列，检验子图机制与地图长期一致性，并为 change detection 提供数据基础。\n- **动态场景评测协议**：VBR 含显著动态实体（Colosseum、Spagna，Sec. VI-D），但缺乏动态场景标准协议；可引入动态物体分割真值、地图时变一致性指标，量化 Eqn. 2 饱和更新对动态污染的实际抑制效果。\n\n### 4. 优先级建议（依据论文自述与局限分析）\n\n- **短期（高价值、低风险）**：原始 GNSS 观测量融合（补充材料明确建议）、时间偏移与 GNSS 天线外参在线标定（Sec. VII）、按需地图存取（Sec. VII）。\n- **中期**：多会话重定位、动态物体处理、下游导航/探索闭环评测基准。\n- **长期**：开放词汇语义 SLAM、跨季节变化检测、无限尺度体积地图的理论与系统支撑。\n\n**推理链小结**：上述方向并非臆测——理论项直接对应补充材料对 GNSS 融合的改进声明与 Sec. IV 的不确定性建模现状；工程项逐条来自 Sec. VII 结论的未来工作清单与 Table IX 的内存瓶颈；评测项则源于 Sec. VI 各实验暴露的退化案例（exp03/exp07）、GNSS 数据局限（Table X）与下游任务主张未被量化验证的缺口。\n\n\n## 模块 C7：现实场景如何体现/实现？（部署约束、算力、延迟、鲁棒性） / Module C7: How would this work in real-world scenarios? (deployment constraints, compute, latency, robustness)\n\n## Module C7：真实世界部署视角（How would this show up in real-world use?）\n\n### 一、浅层理解：部署形态与硬件门槛\n\n- **部署平台谱系**：论文基准测试在桌面级平台（i7-13700 CPU + RTX-3080 10GB GPU）完成（Sec. VI-H），同时明确演示系统可在搭载 **NVIDIA Orin NX** 的无人机上实机运行（Sec. VI-H 及补充视频），说明系统具备从工作站到嵌入式平台的可迁移性。\n- **传感器配置灵活可插拔**：视觉+IMU 为基础配置，深度网络（立体/MVS）、LiDAR、GNSS 均为可选模块（Table I），适配无人机、手持传感平台、自动驾驶汽车等场景（Sec. I）。\n- **内存占用（Table IX, Sec. VI-H）**：\n - Hilti exp06：Ours-vi 4.86 GB / Ours-vid 11.62 GB / Ours-vil 11.51 GB（对比 FAST-LIVO 3.97 GB）；\n - VBR Campus1（~2.9 km）：Ours-vi 4.50 GB / Ours-vid 10.8 GB / **Ours-vil 25.5 GB**（对比 FAST-LIVO 15.0 GB）；\n - GPU 显存：vid 配置仅 **3.51 GB**（MVS+立体网络，Sec. VI-H）。\n - 结论：内存高于稀疏地标式 SLAM（因显式存储 free/occupied 体积），但消费级计算机乃至机载平台均可满足；大场景 vil 配置建议预留 32 GB 级内存。\n\n### 二、中层分析：计算与延迟特性\n\n- **实测实时性（Sec. VI-H, Fig. 12）**：\n - EuRoC MH05：Ours-vi 最高 **47 Hz**；MVS 线程处理 8 视图图像 **13 Hz**；\n - Hilti exp06（5 相机）：Ours-vi **10 Hz**，Ours-vid **8 Hz**（瓶颈为实时因子图优化）；\n - Ours-vil：实时估计器 **8 Hz**，子图接口 **3.5 Hz**（LiDAR 点云量大所致）；\n - VBR Campus1：Ours-vi **16 Hz**，GNSS 全局位置融合开销可忽略。\n- **与 ORB-SLAM3 的墙钟时间对比（Sec. VI-H）**：MH05 上 38.1 vs 64.7 ms 占优；exp06 上 112.3 vs 116.1 ms 持平；Campus1 上 107.3 vs 69.1 ms 较慢，但精度显著更优（2.499 m vs 7.289 m ATE），作者认为该精度-速度权衡值得。\n- **并行架构**：多线程 + 内部队列将子图接口与状态估计器计算解耦，各模块并行执行，总耗时非各模块简单求和（Sec. VI-H, Fig. 12）；语义分割 Fast-SCNN 在 **CPU 上异步推理**且仅处理关键帧，保证可移植性（Sec. V-B）；回环优化与 GNSS 中断后的全局对齐均为**异步后台全图优化**，完成后同步回实时估计器（Sec. V-A、V-C、V-G3）。\n- **参数-精度-耗时权衡（Fig. 13, Sec. VI-G）**：关键帧数、IMU 帧数、子图因子数、体素分辨率均可调。vid 模式下精度受网络深度上限约束（加因子/细化分辨率不再提升精度）；vil 模式下子图因子主导精度（增加因子有益，但过细体素因占据场噪声反而无益）。当前默认配置在精度与耗时间取得良好平衡，且可通过牺牲少量精度换取更快运行（支撑 Orin NX 机载部署）。\n\n### 三、深层分析：鲁棒性与安全性\n\n- **安全导航的地图基础**：体积占据地图显式区分 free / occupied / unobserved 三态，路径规划器只穿越 free 区域、未知区域视为不可通行，且路径随子图更新弹性变形（Sec. IV；下游导航见 [^76]）——这是点云/网格表示难以直接提供的性质（Sec. I），是系统面向真实机器人部署的核心安全卖点。\n- **全概率化与不确定性传播**：学习深度带像素级不确定性（Sec. IV-A, Eqn. 3–10）；地图对齐残差融合地图不确定性与传感器不确定性（Eqn. 23–25）；系统完全概率化，不确定性可传递至下游任务（Sec. II-D）。\n- **动态物体与退化场景的鲁棒化机制**：log-odds 饱和更新（w_max 截断，Eqn. 2）缓解动态实体与深度感知误差（Sec. IV）；天空语义分割过滤云层等慢速动态内容（Sec. V-B）；重投影误差用 Cauchy、地图对齐误差用 Tukey 鲁棒核（Eqn. 29）。\n- **GNSS 中断容忍（Sec. V-G3, Table VII, Fig. 10）**：中断检测（基于状态冻结状态）→ GNSS 外参重初始化 → 旋转平均将漂移分配至中断期间所有状态 → 全图优化。75 s / 450 m 模拟中断下，vilg 配置最终 BA 仅 **0.169 m RMSE ATE**（~3 km 轨迹）；即使使用低精度 SPP 解（本身误差 19.99 m），也将 VI 基线误差从 23.72 m 降至 5.12 m（Sec. VI-E, Table X），说明对消费级 GNSS 设备友好。\n- **已知失效模式与边界（部署前须知）**：\n - exp03 前置相机低光全黑：纯视觉配置失效，LiDAR 补偿（Fig. 8, Sec. VI-C）——纯视觉部署需评估光照风险；\n - exp07 长走廊：LiDAR 几何退化（运动方向缺乏特征），精度降至 ~11 cm（Sec. VI-C）；\n - V203 运动模糊/曝光剧变：V-SLAM 配置失败，VI 配置可解（Sec. VI-B, Table II）；\n - MVS 网络在开阔天空下深度噪声大（深度平面非逆深度参数化问题），VBR 中仅启用立体网络（Sec. VI-D）——深度网络选型需按场景验证；\n - VBR 驾驶序列存在 IMU 数据缺失片段，对比系统失效或退化，OKVIS2-X 保持鲁棒（Sec. VI-D）。\n- **在线外参标定的现场鲁棒性**：初始扰动 ±1 cm / ±0.3° 下 10 次运行均收敛，序列末端标准差仅 0.08 cm / 0.02°（Sec. VI-F；补充材料 Fig. 14），显著降低现场标定失败与人工标定负担；Table VIII 显示在线标定使因果轨迹平均 ATE 从 0.158 m 降至 0.065 m。\n\n### 四、可维护性与工程化\n\n- **开源与模块化**：代码开源于 . I）；架构分为视觉前端、实时估计器、多传感器处理器、子图接口四个模块（Fig. 2），传感器模组以因子形式插入统一因子图（Eqn. 29），便于替换、扩展与二次开发。\n- **标定维护成本**：相机-IMU 外参可在线标定兜底；但 GNSS 天线杆臂需预先已知（Sec. V-G），相机/IMU/LiDAR/GNSS 时间偏移需已知或预先估计（Sec. VI 开头）——部署前仍需一次性标定流程；时间偏移在线标定列为未来工作（Sec. VII）。\n- **地图生命周期管理**：当前子图随任务累积占用内存；作者提出按需本地在线地图存取（on-demand saving/loading）作为未来方向，可支持更细占据分辨率与近乎无限的地图扩展（Sec. VII），是长周期运行（如巡检、配送）的关键维护议题。\n- **未来维护路线（Sec. VII）**：时间偏移与 LiDAR/GNSS 天线外参在线标定、多会话重定位、开放词汇场景理解、动态物体处理与变化检测。\n\n### 五、部署检查清单（实践建议）\n\n1. **硬件**：内存 ≥16 GB（vil 大场景建议 32 GB）；GPU 仅 vid 配置必需（~4 GB 显存）；嵌入式平台可选 Orin NX（牺牲部分精度/分辨率）。\n2. **标定**：相机-IMU 外参可依赖在线标定；GNSS 天线杆臂与各传感器时间偏移需预先提供。\n3. **参数配置**：按场景尺度选择子图分辨率（VBR 用 10/20 cm，Sec. VI-D）、far plane（深度网络 3–15 m、LiDAR 30 m）与关键帧/IMU 帧/子图因子数量（Fig. 13 权衡曲线）。\n4. **安全策略**：下游规划必须将 unknown 区域视为不可通行；动态场景依赖 log-odds 饱和与鲁棒核，高动态环境仍建议叠加语义/动态过滤。\n5. **失效预案**：低光场景优先启用 LiDAR；长走廊/隧道注意 LiDAR 退化；GNSS 频繁中断场景依赖全局对齐机制并预留异步优化算力。\n\n**总结**：OKVIS2-X 在真实世界中的形态是一个可在消费级硬件乃至机载嵌入式平台实时运行的多传感器 SLAM 系统，其占据地图直接服务安全导航；主要部署代价是稠密建图带来的内存开销（vil 大场景 ~25 GB）与 vid 配置的 GPU 依赖，主要部署风险集中在极端光照、LiDAR 几何退化与深度网络域偏移，均已在论文中有明确实验定位与缓解手段（Sec. VI-C/VI-D/VI-H, Fig. 8, Fig. 12–13, Table IX）。\n\n\n## 模块 C8：总结主要内容（一段摘要 + 5 条要点 + 1 个核心公式/机制） / Module C8: Summarize the main content (one paragraph + 5 bullets + one core formula/mechanism).\n\n## Module C8：精炼总结\n\n### 1. 总结段落\n\nOKVIS2-X 是一个开源、可配置的多传感器 SLAM 系统，在稀疏视觉-惯性 SLAM 系统 OKVIS2 的基础上进行了实质性扩展（第 I 节、Fig. 2）。系统在统一因子图框架中融合视觉、惯性、LiDAR、学习深度（stereo 与 MVS 网络）以及 GNSS 全局位置测量，并通过子图对齐因子将稠密体积占据子图与状态估计器紧耦合（第 IV–V 节、Fig. 5）。基于 Supereight2 的多分辨率占据子图策略使系统能够扩展至公里级场景（最长 9 km 的 VBR Ciampino0 序列，Table VI），同时保持实时运行（Fig. 12、Sec. VI-H）。系统还支持相机-IMU 外参在线标定（Sec. V-E、Table VIII）以及容忍 GNSS 信号中断的全局对齐机制（Sec. V-G3、Table VII）。实验表明，OKVIS2-X 在 EuRoC 上取得最高轨迹精度（Table II），在 Hilti-Oxford VI-only 基准中超越所有已发表竞争者，在 LiDAR 配置中仅次于纯 LiDAR-惯性系统 Wildcat（Table IV），并在 VBR 大规模数据集上展现最先进精度（Table VI）。系统生成的全局一致占据地图显式表达自由空间，可直接用于安全自主导航等下游任务（第 IV 节、Sec. VI-D）。\n\n### 2. 五个关键要点\n\n1. **估计器与稠密建图紧耦合**：不同于建图与估计解耦的系统（如 Simplemapping [^58]、SigmaFusion [^60]），OKVIS2-X 通过无对应点的地图对齐残差（Eqn. 23）将占据子图信息直接反馈进因子图优化（Sec. V-F、Fig. 5）。\n2. **可扩展的子图策略**：每个子图锚定于关键帧状态并随估计器更新位姿；以测量重叠率与关键帧数量为子图创建准则，保证子图内漂移可忽略，从而支撑公里级稠密建图（Sec. IV）。\n3. **不确定性感知深度融合**：为 stereo（Unimatch）与 MVS 网络增加不确定性解码器，采用 Laplacian 损失学习 aleatoric 不确定性，并按逆方差加权最优融合两路深度（Sec. IV-A、Eqn. 3–10、Fig. 3）。\n4. **GNSS 中断容忍的全局对齐**：以不确定性感知的 yaw 方差阈值判据（Eqn. 27）初始化并固定 4-DoF 全局外参；检测到长时间信号中断时，通过类回环的重新初始化与漂移分布机制恢复全局一致性（Sec. V-G、Eqn. 28、Table VII）。\n5. **全面的最先进评测**：EuRoC 非因果 VI-SLAM 平均 ATE 低至 0.028 m（Table II）；Hilti-Oxford 中 ours-vil-ba 总分 438.10，超过 FAST-LIVO2 与 VILENS（Table IV）；VBR 9 km 序列 ours-vil-nc 平均 ATE 0.829 m（Table VI）；在线外参标定将因果轨迹平均误差从 0.158 m 降至 0.065 m（Table VIII）。\n\n### 3. 核心公式/机制\n\n**无对应点的子图对齐残差**（Sec. V-F, Eqn. 23）：\n\n$$e_{\\mathrm{m}}^{a,b}(_{S_a}\\mathbf{p}) = \\frac{d}{\\sigma} = \\frac{L(_{S_a}\\mathbf{p})}{\\sqrt{\\frac{L_{\\min}^2}{9} + \\sigma_d^2\\,|\\nabla L(_{S_a}\\mathbf{p})|^2}}$$\n\n其中 $L(\\cdot)$ 为子图内一点的占据 log-odds 均值，$d = L/|\\nabla L|$ 为该点到最近表面的近似距离，$\\sigma_{\\mathrm{map}} = L_{\\min}/(3|\\nabla L|)$ 为地图不确定性，$\\sigma_d$ 为传感器测量不确定性（LiDAR 采用各向同性假设；学习深度则采用 Sec. IV-A 的像素级不确定性）。该残差假设每个测量点应落在占据表面上（$L=0$），无需特征提取或对应点搜索，即可将稠密占据地图信息直接注入总体最小化目标（Eqn. 29），实现状态估计器与体积建图的双向紧耦合。\n\n\n## 模块 D：第二遍内容理解（方法结构/关键图表/实验） / Module D: Second Pass (method structure, key figures, experiments)\n\n## Module D：第二遍精读理解（Second-pass Understanding）\n\n### 1. 结构树（Structure Tree）\n\n``nOKVIS2-X（IEEE T-RO 2025，system 型论文）\n├─ I. Introduction：系统定位与四大贡献（多传感器实时融合 / 估计器-体积子图紧耦合 / 在线外参标定 / 大规模评测）\n├─ II. Related Work\n│ ├─ A. Visual-Inertial SLAM（VINS-Mono、OpenVINS、ORB-SLAM3、OKVIS2、MAVIS）\n│ ├─ B. LiDAR(-Visual-Inertial) SLAM（LOAM 系、LVI-SAM、FAST-LIO2、FAST-LIVO2、R3LIVE）\n│ ├─ C. GNSS 融合（滤波式 EKF/UKF/MSCKF vs 优化式；紧耦合 vs 松耦合）\n│ ├─ D. Dense SLAM & Mapping（KinectFusion、TANDEM、Simplemapping、NICE-SLAM 等神经隐式）\n│ └─ E. Submapping（Atlas、Voxgraph、Supereight2、Wildcat）\n├─ III. Preliminaries：坐标系（F_W/F_S/F_C/F_L/F_G/F_M）与状态定义（位姿/速度/偏置 + 可选 T_GW 与相机外参）\n├─ IV. Volumetric Occupancy Mapping\n│ ├─ 子图锚定与 log-odds 贝叶斯更新（Eqn. 1–2，w_max 饱和）\n│ ├─ 子图创建准则（最小深度测量数 + 重叠率阈值 / 最大 K 关键帧）\n│ └─ A. Uncertainty-aware depth fusion：立体/MVS 网络 + 不确定性解码器，Laplacian 损失（Eqn. 3–7）、不确定性传播与最优融合（Eqn. 8–10）\n├─ V. Multi-Sensor SLAM\n│ ├─ A. System Overview（Fig. 2：前端 / 实时估计器 / 异步回环 + 三个新模块）\n│ ├─ B. Visual Frontend（BRISK、关键帧决策、Fast-SCNN 滤天空，CPU 异步）\n│ ├─ C. Place Recognition / Relocalization / Loop-closure（DBoW2 + 3D-2D RANSAC，旋转平均，异步全图优化）\n│ ├─ D. VI-SLAM 因子：重投影（Eqn. 11）、IMU 预积分（Eqn. 12）、相对位姿图（Eqn. 13–22，Schur 补边缘化路标）\n│ ├─ E. Online Camera-IMU Extrinsics Calibration（Eqn. 22 扩展至 6+6N 维 + 外参先验）\n│ ├─ F. Submap Alignment：frame-to-map / map-to-map 残差（Eqn. 23–25，无对应点，d = L/|∇L|）\n│ ├─ G. GNSS Fusion：全局位置残差（Eqn. 26）、SVD 初始化 + yaw 方差可观测性判据（Eqn. 27）、中断后类回环全局对齐（Eqn. 28）\n│ └─ H. 总目标函数（Eqn. 29：Cauchy 用于重投影、Tukey 用于地图对齐）\n├─ VI. Evaluation\n│ ├─ A. 配置定义（Table I：vi/vid/vil/(g) × causal/non-causal/ba）与指标\n│ ├─ B. EuRoC（Table II 轨迹、Table III 建图、Fig. 7）\n│ ├─ C. Hilti-Oxford（Table IV 分数、Table V 建图、Fig. 8–9）\n│ ├─ D. VBR 大规模（Table VI，最长 9 km）\n│ ├─ E. GNSS 中断容忍（Table VII、Fig. 10–11；补充材料 Table X 真实 SPP）\n│ ├─ F. 在线外参标定消融（Table VIII；补充材料 Fig. 14 扰动收敛）\n│ ├─ G. 参数研究（Fig. 13：kf/if/ns/res）\n│ └─ H. Timing & Memory（Fig. 12、Table IX）\n├─ VII. Conclusion 与未来工作\n├─ Appendix A–D（误差状态、GNSS 协方差、GNSS 雅可比、子图对齐雅可比）\n└─ Supplementary（外参扰动实验细节、真实低精度 GNSS 实验）\n``n\n\n### 2. 方法/系统分解（Method/System Breakdown）\n\n**输入**（Sec. V-A，Fig. 2）：\n\n- 多相机 multi-frame 图像 + IMU（基础 VI 配置）\n- 可选稠密几何源：LiDAR 点云、RGB-D 深度、或学习深度（立体网络 Unimatch + MVS 网络 [^58]，均加不确定性解码器）\n- 可选全局定位：GNSS 位置测量（RTK 或 SPP）\n\n**输出**：\n\n- 三级轨迹：causal（实时）、non-causal（回环后）、final BA（全束调整）\n- 全局一致的稠密体积占据子图集合（可 mesh 化，显式区分 free/occupied/unobserved，直接支持安全路径规划，Sec. IV）\n\n**核心模块与数据流**：\n\n1. **Visual Frontend**（Sec. V-B）：BRISK 特征提取与匹配 → 立体三角化初始化路标 → 关键帧决策（匹配率/重叠率阈值）→ Fast-SCNN 分割滤除天空观测（仅关键帧、CPU 异步）。\n2. **Realtime Estimator**（Sec. V-A/D）：优化窗口内联合最小化 Eqn. 29；旧帧经边缘化转为相对位姿图边（Eqn. 13–22，MST 选边），更旧状态固定以保实时。\n3. **Loop Closure**（Sec. V-C）：DBoW2 检索 + RANSAC 几何验证 → 复活位姿图边为观测 → 旋转平均 + 位置误差分配 → 异步全图优化 → 同步回实时图。\n4. **Depth Network**（Sec. IV-A）：立体网络损失 L_st（Eqn. 3–5，视差 Laplacian + 梯度损失），MVS 网络损失 L_mvs（Eqn. 6，log-depth Laplacian）；不确定性经线性化传播到深度（Eqn. 5b/7），两源独立假设下逆方差最优融合（Eqn. 8–10）。仅在合成数据 TartanAir [^83] 微调。\n5. **Multi-Sensor Processor**（Sec. V-A）：GNSS 残差构建（Eqn. 26，IMU 预积分传播到异步测量时刻，Fig. 6）；检测 GNSS 长期中断 → 重初始化 T_GW → 计算漂移增量（Eqn. 28）→ 旋转平均分配 + 全图优化；LiDAR 运动畸变补偿；为每个 live 帧添加 frame-to-map 因子。\n6. **Submapping Interface**（Sec. IV/V-A）：子图锚定关键帧位姿（随估计器更新保持局部一致）；log-odds 递归更新（Eqn. 2，w_max 饱和以抑制动态物与深度噪声）；满足创建准则后完成子图并添加 map-to-map 因子。\n\n**损失/目标函数**（Eqn. 29）：\n\n- 视觉重投影 e_r（Cauchy 鲁棒核）\n- IMU 预积分 e_s（Eqn. 12）\n- 相对位姿图 e_p（Eqn. 13；权重 W_p = H*，常数项 e_p,0 = -H*⁺b*，Eqn. 21）\n- 地图对齐 e_m（Eqn. 23：d = L/|∇L|，σ_map = L_min/(3|∇L|)，总不确定度 σ = √(σ_map² + σ_d²)，Eqn. 24–25；Tukey 鲁棒核；网络深度按像素 σ_d 加权）\n- GNSS 全局位置 e_g（Eqn. 26，含 4-DoF T_GW 与已知天线杆臂）\n\n**训练/推理流程**：训练仅涉及深度网络（TartanAir 合成数据微调，Laplacian 不确定性学习）；系统推理为多线程流水线——前端与实时估计器同步、深度网络/建图接口/回环优化异步并行（Fig. 12），通过内部队列解耦，子图建图与状态估计计算上解耦但信息上紧耦合。\n\n### 3. 重要图表解读（选取 5 项）\n\n**Fig. 2（系统架构，Sec. V-A）**：灰色背景为 OKVIS2 原有组件（视觉前端、实时估计器、异步回环优化），白色背景为本文扩展（Depth Network、Multi-Sensor Processor、Submapping Interface）。关键信息流：(a) 图像+IMU 同步驱动前端与实时估计器；(b) 深度/点云经子图积分后以 frame-to-map 与 map-to-map 因子回流到因子图，实现估计器与建图的双向紧耦合；(c) GNSS 经 Multi-Sensor Processor 生成全局残差并触发中断对齐；(d) 回环在后台优化完成后同步回实时图。该图是理解全文「紧耦合」主张的入口。\n\n**Fig. 5（子图对齐因子图，Sec. V-F）**：左侧为 frame-to-map 因子——优化窗口内每个 live 状态与最近完成子图的锚定关键帧相连；右侧为 map-to-map 因子——当新测量与已完成子图几何重叠超过阈值时，在两个子图锚定关键帧间添加。两类残差形式统一（Eqn. 23）：每个测量点应落在 log-odds 场的表面（L=0）上，距离由 d = L/|∇L| 线性外推，总不确定度合并地图不确定度与传感器不确定度（Eqn. 25）。这解释了为何无需几何特征提取或对应点搜索即可融合 LiDAR/深度。\n\n**Table II（EuRoC ATE RMSE，Sec. VI-B）**：按 V-SLAM / VIO / VI-SLAM 与 causal/non-causal 分组。要点：(1) non-causal VI-SLAM 中 Ours-vi-nc 平均 0.030 m，优于 ORB-SLAM3（0.035 m）与 MAVIS（0.034 m）；Ours-vi-ba 进一步至 0.028 m。(2) 无回环 VIO 对比中，Ours-vi（0.066 m）较 OpenVINS（0.117 m）/Kimera2（0.112 m）降低约 41% 误差。(3) V203（运动模糊/曝光剧变）使纯视觉方法失败（约 1.1 m），VI 配置恢复至 0.051 m，体现 IMU 冗余价值。(4) causal 下 Ours-vid-c（0.046）略优于 Ours-vi-c（0.048），说明深度因子改善实时轨迹；non-causal 下两者持平（0.030），作者据此指出网络深度精度（约 3 cm 级）成为瓶颈（Sec. VI-B 末段）。\n\n**Table IV（Hilti-Oxford 定位分数，Sec. VI-C）**：VI 配置中 Ours-vi-ba 总分 167.47，显著超过已发表 VI-SLAM（MAVIS 150.62、BAMF-SLAM 40.86、ORB-SLAM3 22.25）；VI-LiDAR 配置中 Ours-vil-ba 438.10 超过 FAST-LIVO2（402.93）与 VILENS（325.77），仅次于纯 LiDAR-惯性的 Wildcat（563.79）。exp03 低光导致前相机全黑（Fig. 8），LiDAR 补偿视觉失效；exp07 长走廊为 LiDAR 退化场景（约 11 cm 误差），是主要瓶颈。排除 exp03 后 Ours-vid-ba 平均位置误差约 7.0 cm，vil 达 4.1 cm（接近建图分辨率量级）。\n\n**Table VII（GNSS 中断容忍，Sec. VI-E）**：VBR Campus1 模拟 75 s / 450 m RTK 中断。vilg 最终 BA ATE 0.169 m（近 3 km 轨迹），较无 GNSS 的 vil（0.875 m）降低约 81%；括号中仅中断段误差（vig 1.719 → vilg 0.386）证明 Sec. V-G3 的类回环全局对齐有效消除中断期累积漂移；Fig. 10 中轨迹末端跳变即对齐动作的可视化。\n\n### 4. 实验与评估细节（Sec. VI）\n\n**数据集与规模**：\n\n- EuRoC [^89]：无人机双目+IMU，11 序列，数十米级；毫米级 Vicon 真值点云。\n- Hilti-Oxford [^90]：手持平台，5 相机+IMU+32 线 LiDAR，稀疏控制点 + 毫米级稠密点云真值。\n- VBR [^1]：车辆平台，双目+IMU+LiDAR，8 序列 1.0–9.0 km（Ciampino0 达 9.008 km），含动态实体、光照变化、IMU 数据缺失段。\n- GVINS complex_environment [^50]：约 3 km，室内外过渡、GNSS 高度退化；用 RTKLIB 自算 SPP 作为低精度输入（补充材料 Table X：SPP 自身 RMSE ATE 19.99 m，与原文 6.036 m 不一致，复现需注意）。\n\n**指标**（Sec. VI-A）：\n\n- 轨迹：SE(3) 对齐后 ATE RMSE（EuRoC/VBR）；Hilti 官方分数（位置误差 [^1] [^10] cm 线性映射到 [^0] [^100] 点）。\n- 建图：marching cubes 重建子图 mesh → 1 cm³ 体素降采样 → point-to-plane ICP 对齐 → accuracy（估计顶点到真值 0.2 m 内平均距离）与 completeness（真值顶点 0.2 m 内比例）。EuRoC 上 Ours-vid 平均 accuracy 0.039 m / completeness 56.09%，优于 Simplemapping（Table III）；Hilti 上 vil accuracy 0.029 m / completeness 78.33%（Table V）。\n\n**对比目标**：VI——ORB-SLAM3、OpenVINS、Kimera2、MAVIS、BAMF-SLAM；VI-LiDAR——FAST-LIVO/FAST-LIVO2、VILENS、Wildcat（纯 LI）；建图——Simplemapping [^58]；GNSS——GVINS。\n\n**公平性措施**：统一标定参数；Ours 报告 3 或 10 次运行的中位数（Hilti 按排行榜惯例取 3 次最佳并附中位数）；外部方法数字注明来源（原论文或排行榜，Table II/IV 脚注）；FAST-LIVO 以 0.2 倍实时速率回放 rosbag 保证不丢帧（Sec. VI-D）；与 GVINS 对比时关闭视觉回环（Sec. VI-E）；所有评测串行执行确保无丢帧；考虑相机-IMU、LiDAR、GNSS 时间偏移。\n\n**消融与参数研究**：\n\n- 在线外参标定（Table VIII）：Hilti exp04–06 上，Ours-vi-c 平均 ATE 由 0.158 m（固定外参）降至 0.065 m（在线标定）；用标定结果作后验固定值达 0.050 m，说明估计外参接近真值；±1 cm/±0.3° 均匀扰动初始化 10 次运行，序列末端外参标准差仅 0.08 cm/0.02°（Sec. VI-F 与补充材料 Fig. 14），证明对初始误差的收敛鲁棒性。\n- 参数研究（Fig. 13）：vid 模式下增大 kf/if/ns 或细化体素不再提升精度（受网络深度精度上限约束）；vil 模式下增加子图因子数有效，但更细体素因占据场梯度噪声未必更优；当前默认配置为精度-耗时平衡点。\n- 时间与内存（Fig. 12、Table IX）：MH05 上 Ours-vi 达 47 Hz、MVS 线程 13 Hz；exp06 上 vil 实时估计 8 Hz、子图接口 3.5 Hz；峰值内存 vi 约 4.5–4.9 GB、vid/vil 10.8–25.5 GB（GPU 仅 3.51 GB），可在消费级硬件乃至机载 NVIDIA Orin NX 运行；与 ORB-SLAM3 的 wall-time 对比：MH05 38.1 vs 64.7 ms/帧（更快），exp06 112.3 vs 116.1 ms（持平），Campus1 107.3 vs 69.1 ms（较慢但精度 2.499 m vs 7.289 m，权衡值得）。\n\n### 5. 系统数据流图（system archetype 适用）\n\n``n[传感器输入]\n ├─ 多相机图像 ──► Visual Frontend ──► Realtime Estimator ◄─────────┐\n │ │ (BRISK/关键帧/去天空) ▲ │ │\n │ └─► DBoW2 回环检测 ──► 异步全图优化 ──(同步)───┼───────┘ │\n ├─ IMU ────────────────────────────────────────────►│ │ │\n ├─ 立体图像 ──► Depth Network(立体+MVS+不确定性) ──► 深度融合 │ │\n ├─ LiDAR ──► IMU 运动补偿 ──► Multi-Sensor Processor ──────┤ │\n └─ GNSS ──► 全局残差 / 中断检测与全局对齐 ─────────────────┘ │\n │ │\n ▼ │\n Submapping Interface │\n (log-odds 子图积分 / 创建准则) │\n │ │\n └── frame-to-map / map-to-map 因子 ────┘\n\n[输出] causal / non-causal / final-BA 轨迹\n + 全局一致稠密体积占据子图（free/occupied/unobserved，可直接用于安全导航）\n``n\n**阅读提示**：第二遍精读建议按「Fig. 2 → Sec. IV（Eqn. 1–2）→ Sec. V-F（Eqn. 23–25）→ Sec. V-G（Eqn. 26–28）→ Eqn. 29 → Table I/II/IV/VI」的顺序推进：先由架构图建立因子图全景，再逐项核对各残差定义，最后用实验表格验证每条设计主张的证据链。\n\n\n## 模块 E：第三遍深度审视（重建/假设/失败模式/审稿意见） / Module E: Third Pass (reconstruction, assumptions, failure modes, review)\n\n## Module E：第三遍精读——深度评审\n\n### 1. 可复现性重构（Reconstructability）\n\n**核心算法流程伪代码**（依据 Sec. III–V、Fig. 2、Fig. 5 重构）：\n\n``n初始化: 状态 x = [W r_S, q_WS, W v, b_g, b_a] (+ T_GW 若融合 GNSS, + T_SCi 若启用在线标定) # Sec. III-B\nfor each 多帧 (multi-frame) 到达:\n 前端 (Sec. V-B): BRISK 关键点/描述子提取, 与已有 3D 地标匹配\n 立体三角化初始化新地标; (可选) Fast-SCNN 分割剔除天空观测\n 关键帧判定: 匹配地标比例低于阈值 → 设为关键帧\n 若启用深度网络 (Sec. IV-A):\n 立体网络 (Unimatch + 不确定性解码器, Laplacian 损失) → (d_st, σ_st) # Eqn. 3-6\n MVS 网络 (稀疏地标反投影作深度先验, log-depth 不确定性) → (d_mvs, σ_mvs) # Eqn. 7-8\n 方差倒数最优融合 → (d_fuse, σ_fuse) # Eqn. 9-10\n 子图创建判定 (Sec. IV): 已积分深度测量数 ≥ 最小值 且\n (与上一子图重叠率 < 阈值 或 关键帧数 ≥ K) → 新子图锚定到关键帧位姿 T_WS_k\n 深度/点云积分: log-odds 递归贝叶斯更新, 权重饱和于 w_max # Eqn. 1-2\n 实时估计器优化 (总代价 Eqn. 29):\n 重投影误差 (11) + IMU 预积分误差 (12) + 相对位姿图误差 (13-19, Schur 补边缘化)\n + frame-to-map 因子 (每个 live 帧 vs 上一完成子图) # Eqn. 23\n + map-to-map 因子 (重叠超阈值的子图对, 数量取 frame-to-map 的 5 倍) # Sec. VI-G\n + GNSS 全局位置残差 (26) (若信号可用)\n GNSS 初始化 (Sec. V-G2): SVD 对齐 [88] → 由近似 Hessian 估计 4-DoF 协方差 P (27)\n 若 yaw 方差 p_θθ < σ_θ² → 固定 T_GW\n GNSS 中断检测 (Sec. V-G3): 最后含 GNSS 因子的状态已被冻结 →\n 重初始化 T_GW_new → T_W_new_W = T_GW_new^{-1} T_GW (28)\n 旋转平均将漂移分配至中断期间所有状态 → 触发全图异步优化\n 回环 (Sec. V-C): DBoW2 查询 + 3D-2D RANSAC 几何验证 → 复活位姿图边/地标合并\n → 旋转平均 + 全图后台优化 → 与实时估计器同步\n``n\n**重构要点与风险**：\n\n- 全部残差项与雅可比在正文及附录 A–D 完整给出（地图对齐雅可比 Appendix D；GNSS 协方差 Σ_g = Σ_g0 + J Σ_x J^T 与雅可比 Appendix B–C），数学上自洽、可复现。\n- 关键配置参数散布于 Sec. VI：VBR 子图分辨率 10/20 cm（Sec. VI-D）、far plane 深度 3 m / LiDAR 30 m（Sec. VI-C/D）、在线标定先验 1 mm / 0.29°、全 BA 中放宽至 3 mm / 0.92°（Sec. VI-F）、L_min 为可配置饱和 log-odds 参数（Eqn. 24-25）。\n- 代码开源（ TartanAir [^83] 上微调，其训练代码与超参是否随主仓库发布正文未确认——复现 vid 模式的最大不确定点。\n- 部分对比数字取自排行榜或原论文（Table II、Table IV 脚注 1/2），无法完全复现其运行配置；GNSS 实验中 SPP 解由 RTKLIB 自行计算，补充材料承认与 GVINS 原文精度不一致（19.99 m vs 6.036 m，Table X）。\n\n### 2. 关键假设（Assumptions）\n\n- **子图内漂移可忽略**（Sec. IV）：以“最小积分测量数 + 重叠率阈值 + 最大 K 关键帧”三准则作为漂移代理，是子图对齐残差（Eqn. 23）有效的前提。\n- **传感器不确定性模型为启发式**：LiDAR 深度不确定性随测量深度线性增长、RGB-D 二次增长（Sec. IV），且 LiDAR 采用各向同性 σ_d 即可（Sec. V-F）；学习深度则必须逐像素建模（Sec. IV-A）。\n- **立体与 MVS 深度估计相互独立**（Eqn. 9-10）：两路深度按方差倒数最优融合，忽略共享输入图像带来的估计相关性。\n- **GNSS 天线杆臂 S r_A 先验已知**（Sec. V-G, Eqn. 26），且全局参考系一旦 yaw 可观（p_θθ < σ_θ²）即被固定、不再参与优化（Sec. V-G2）——将 [^43] 的启发式距离准则替换为不确定性准则，但仍是单向一次性固定。\n- **静态世界假设**：log-odds 饱和更新（Eqn. 2）仅被动缓解动态实体与深度噪声，系统不含主动动态物体处理（Sec. VII 列为未来工作）。\n- **相机-IMU 时间偏移已知**（Sec. VI 开头）：评测中假设时间偏移已知并补偿，在线时间偏移标定留作未来工作。\n\n### 3. 失效模式与盲点（Failure modes / blind spots）\n\n- **视觉退化场景**：EuRoC V203 因运动模糊、图像丢失与剧烈曝光变化，纯视觉配置误差达 1.068–1.133 m（Table II，作者标注为 failed sequence 并从均值中剔除）；Hilti exp03 低光导致前相机画面全黑（Fig. 8），需 LiDAR 补偿才能维持定位。\n- **LiDAR 退化几何**：exp07 长走廊沿运动方向缺乏特征几何，Ours-vil 误差约 11 cm，是该配置的主要瓶颈（Sec. VI-C）；更细体素分辨率在 vil 模式下反而可能因占据场噪声损害精度（Sec. VI-G, Fig. 13b）。\n- **学习深度域差距**：MVS 网络在开阔天空因深度参数化（非逆深度）输出噪声深度，VBR 中被迫只用立体网络（Sec. VI-D）；深度融合整体无法达到 3 cm 级轨迹精度（Sec. VI-B），说明不确定性建模尚未完全弥补网络深度误差。\n- **GNSS 融合的简化与可复核性缺口**：仅融合全局位置（无伪距/多普勒原始观测），真实 SPP 实验最终 5.12 m 仍逊于 GVINS 的 4.45 m（补充材料 Table X），作者明确不主张 GNSS 融合的优越性；且 SPP 解算差异使该实验绝对数值难以精确复现。\n\n### 4. 优点与不足（Strengths & weaknesses）\n\n**优点**：\n\n1. **统一可配置的多传感器框架**：首次在单一因子图中支持 vi / vid / vil / vig / vidg / vilg 组合（Table I），模块化架构（Fig. 2）经 EuRoC、Hilti-Oxford、VBR、GVINS 四套数据集系统验证。\n2. **估计器与稠密体积地图紧耦合**：无对应点（correspondence-free）的地图对齐残差（Eqn. 23）免去 ICP / 几何特征提取开销，子图位姿随估计器实时更新（Sec. IV），区别于 Voxgraph [^71]、Supereight2 [^72]、[^74] 的解耦式全局对齐。\n3. **精度达到 SOTA**：EuRoC 非因果 VI-SLAM 平均 ATE 0.028–0.030 m，优于 ORB-SLAM3 的 0.035 m（Table II）；Hilti VI-only 榜单第一（Table IV）；VBR 9 km 序列 vil-ba 平均 0.850 m（Table VI），Ciampino0 达亚米级。\n4. **GNSS 中断容忍**：模拟 75 s / 450 m 中断下 vilg 最终 BA 仅 0.169 m（Table VII）；真实低精度 SPP 数据将 VI 基线 23.72 m 降至 5.12 m（Sec. VI-E），全局对齐策略（Eqn. 28）有效。\n5. **在线外参标定有效且稳健**：消融显示 causal 平均 ATE 从 0.158 m 降至 0.065 m（Table VIII）；±1 cm / ±0.3° 初始扰动下 10 次运行收敛标准差仅 0.08 cm / 0.02°（Sec. VI-F、补充材料 Fig. 14）。\n6. **实时性与可部署性**：桌面 i7-13700 / RTX-3080 上 vi 达 47 Hz（MH05）、vil 8 Hz（exp06），wall-time 对比在 MH05 与 exp06 上优于或持平 ORB-SLAM3（Sec. VI-H）；可机载 NVIDIA Orin NX 运行；GPU 显存仅 3.51 GB。\n7. **地图直接可用于下游导航**：占据概率显式表达自由/占据/未观测三类空间，支持安全路径规划与弹性路径变形（Sec. IV、[^76]），是点云/网格表示不具备的特性。\n\n**不足**：\n\n1. **内存开销显著**：vil 在 VBR Campus1 峰值 25.5 GB，高于 FAST-LIVO 的 15.0 GB（Table IX）；作者论证消费级硬件可满足，但限制了更小嵌入式平台的体素分辨率选择。\n2. **学习深度泛化性存疑**：不确定性网络仅在合成 TartanAir [^83] 微调，真实数据零样本迁移（Hilti 建图精度 4.2 cm 尚可，Table V），但开阔天空失效暴露域差距。\n3. **GNSS 融合深度有限**：位置-only 融合 + 全局系一次性固定，未利用伪距/多普勒原始观测；补充材料自认 adopting GVINS [^50] 的原始观测误差项可显著改进。\n4. **参数敏感性与调参负担**：Sec. VI-G 显示 vid/vil 模式的最优参数结构不同（vil 中子图因子主导、更多关键帧/IMU 帧收益甚微），map-to-map 因子数需按模态取 5 倍规则，复现需仔细调参。\n5. **评测公平性局限**：部分对比取自排行榜（Table IV 脚注 2）；Wildcat 为纯 LiDAR-惯性系统却与 VI-LiDAR 同组比较；VBR 中 FAST-LIVO 需 0.2 倍速回放才能处理完全部量测（Sec. VI-D）。\n\n### 5. 下一步研究方向（Next-step research directions）\n\n- **扩展在线标定范围**（Sec. VII）：将 Eqn. 22 的增广位姿图因子思路推广到传感器时间偏移、LiDAR 与 GNSS 天线外参的在线估计。\n- **原始 GNSS 观测融合**（补充材料明确建议）：引入伪距与多普勒误差项（如 GVINS [^50] 的公式），有望在 SPP / 室内外过渡场景显著超越当前 5.12 m 水平。\n- **多会话重定位与地图生命周期管理**（Sec. VII）：multi-session relocalization 与按需局部在线地图保存/加载，以支持更细占据分辨率与“实际上无限”的地图扩展。\n- **语义与动态场景**（Sec. VII）：开放词汇场景理解、动态物体主动处理与随时间变化检测——当前 log-odds 饱和更新仅被动缓解动态影响，主动处理尚属空白。\n- **学习深度的真实域适配**：在真实数据上微调或改用逆深度参数化的 MVS 网络，消除开阔天空失效模式（Sec. VI-D），进一步提升 vid 模式的精度上限。\n\n\n## 模块 F：术语表与概念依赖图 / Module F: Glossary and Concept Map\n\n## Module F：术语表与概念依赖图\n\n### 一、术语表（Glossary，共 35 条）\n\n每条包含：英文术语 / 中文译名、定义、直觉、论文中的作用（含定位符）、先修知识。\n\n### 1. SLAM（Simultaneous Localization and Mapping / 同步定位与建图）\n\n- 定义：机器人在未知环境中同时估计自身状态（位姿、速度、偏置）并增量构建环境地图的问题。\n- 直觉：边走边画地图，同时用这张地图确定自己在哪里。\n- 论文中的作用：总体问题域；OKVIS2-X 是面向大规模场景的多传感器 SLAM 系统（Sec. I、Fig. 2）。\n- 先修知识：机器人状态估计、概率论基础。\n\n## 2. Visual-Inertial SLAM（VI SLAM / 视觉惯性 SLAM）\n\n- 定义：融合相机与 IMU 测量的 SLAM，相机提供空间信息、IMU 提供本体时序信息。\n- 直觉：相机回答“看到什么”，IMU 回答“怎么在动”，紧耦合时使重力方向可观测并降低对脆弱视觉数据关联的依赖（Sec. I）。\n- 论文中的作用：系统核心基线配置 Ours-vi（Table I）。\n- 先修知识：针孔相机模型、IMU 运动学。\n\n## 3. Tightly-coupled fusion（紧耦合融合）\n\n- 定义：在统一非线性优化问题中同时最小化来自异构传感器的原始残差（重投影、IMU 预积分、GNSS 全局位置、地图对齐等）。\n- 直觉：所有传感器的测量放进同一个“方程组”一起解，信息利用最充分。\n- 论文中的作用：核心设计哲学；补充材料明确其定义——指异构模态在非线性优化层面的紧耦合，而非松耦合的并行位姿图（SUPPLEMENTARY MATERIAL）。\n- 先修知识：非线性最小二乘、因子图。\n\n## 4. Loosely-coupled fusion（松耦合融合）\n\n- 定义：先由单一传感器独立计算（相对）位姿，再与其他信息组合的估计方式。\n- 直觉：先各自解题再对答案，中间信息有损失。\n- 论文中的作用：相关工作分类对比（Sec. II-A、II-C，如 VINS-Fusion、GOMSF 的后端位姿图）。\n- 先修知识：同上。\n\n## 5. Factor graph（因子图）\n\n- 定义：以状态变量为节点、测量残差为因子（边）的二分图，用于表示并求解最大后验估计。\n- 直觉：把所有测量约束画成一张图，统一优化。\n- 论文中的作用：全部残差（视觉 Eqn. 11、IMU Eqn. 12、位姿图 Eqn. 13、地图对齐 Eqn. 23、GNSS Eqn. 26）统一进总目标函数 Eqn. 29（Sec. V-H、Fig. 5）。\n- 先修知识：概率图模型、非线性优化。\n\n## 6. Volumetric occupancy map（体积占据地图）\n\n- 定义：将空间体素化，每个体素维护占据/空闲/未观测概率的稠密地图表示。\n- 直觉：像 3D 网格一样明确标记哪里有障碍、哪里可以通行。\n- 论文中的作用：核心地图表示；显式表达自由空间，是点云/网格不具备的、支持安全路径规划的关键特性（Sec. I、IV）。\n- 先修知识：占据栅格地图、贝叶斯更新。\n\n## 7. Submap（子图）\n\n- 定义：锚定于关键帧位姿的局部小地图，独立维护并经对齐因子与全局估计连接。\n- 直觉：把大地图拆成小册子，每册钉在某个时刻的位置上，可随估计更新整体挪动。\n- 论文中的作用：实现米级到 9 km 级可扩展稠密建图的机制；子图内漂移可忽略假设 + 重叠/关键帧双判据创建新子图（Sec. IV、V-A）。\n- 先修知识：图优化、地图表示。\n\n## 8. Log-odds occupancy（对数几率占据值）\n\n- 定义：占据概率的 logit 变换 l = log(P_occ/(1-P_occ))，按 Eqn. 1-2 做饱和加性贝叶斯递归更新（权重上限 w_max）。\n- 直觉：用正负数值表示“更像障碍/更像空”，加法更新简单且能吸收动态物体与深度噪声。\n- 论文中的作用：子图内部基本存储量；地图对齐残差直接由 L(·) 与其梯度 ∇L 线性外推点到表面距离（Eqn. 23-24）。\n- 先修知识：概率论、对数几率。\n\n## 9. Map alignment factor（地图对齐因子）\n\n- 定义：无需点对应（correspondence-free）的残差：要求测量点落在子图表面（L=0），距离 d=L/|∇L|，总不确定度 σ=√(σ_map²+σ_d²)（Eqn. 23-25）。\n- 直觉：把“新测的点应该贴在已有地图表面上”写成可优化的误差项。\n- 论文中的作用：估计器与稠密子图紧耦合的核心创新，是与 Voxgraph/Supereight2 等解耦方案的本质区别（Sec. II-E、V-F；雅可比见 Appendix D）。\n- 先修知识：因子图、占据地图、不确定性加权。\n\n## 10. Frame-to-map factor（帧-地图因子）\n\n- 定义：当前活动帧（经运动去畸变的点云或反投影深度）与最近完成子图之间的对齐残差（Sec. V-F、Fig. 5 左）。\n- 直觉：实时把新看到的点“贴”到已有地图上。\n- 论文中的作用：为实时估计器逐帧提供稠密几何约束。\n- 先修知识：地图对齐因子。\n\n## 11. Map-to-map factor（地图-地图因子）\n\n- 定义：两个子图锚定关键帧之间、基于重叠区域点集的对齐残差，重叠超阈值时添加（Sec. V-F、Fig. 5 右）。\n- 直觉：让相邻两册子图在重叠处互相咬合。\n- 论文中的作用：保证子图拼合的全局一致性；数量设为帧-地图因子的 5 倍（Sec. VI-G）。\n- 先修知识：同上。\n\n## 12. Keyframe（关键帧）\n\n- 定义：依据活动帧与已有关键帧的匹配重叠比例挑选的代表性帧（Sec. V-B）。\n- 直觉：只保留信息量大的帧，省算力省内存。\n- 论文中的作用：子图锚定、位姿图构建的基本单元；参数研究变量 k_f（Fig. 13）。\n- 先修知识：视觉里程计。\n\n## 13. IMU preintegration（IMU 预积分）\n\n- 定义：将两时刻间高频 IMU 测量积分为一个相对运动约束及其协方差（Eqn. 12，文献 [^87]）。\n- 直觉：把两次拍照之间的所有加速度/角速度读数“打包”成一个约束。\n- 论文中的作用：惯性残差来源；亦用于 GNSS 异步时刻的状态传播（Fig. 6）与协方差传播（Appendix B）。\n- 先修知识：IMU 运动学、流形微积分。\n\n## 14. Reprojection error（重投影误差）\n\n- 定义：3D 路标经 T_SCi、T_WS_k 变换并投影后的预测像素位置与观测之差（Eqn. 11）。\n- 直觉：地图点“应该出现在图像哪里”与“实际在哪里”的偏差。\n- 论文中的作用：视觉残差基本形式，配 Cauchy 鲁棒核（Eqn. 29）。\n- 先修知识：针孔相机模型、SE(3) 变换。\n\n## 15. Relative posegraph error（相对位姿图误差）\n\n- 定义：对两帧共同观测路标做边缘化后导出的相对位姿约束，权重 W=H*、常数项 e_p,0=-H*⁺b*（Eqn. 13-20）。\n- 直觉：把旧帧的稠密观测信息“压缩”成帧间相对位姿约束，保持实时性。\n- 论文中的作用：OKVIS2 继承机制；在线外参标定使其维数扩至 6+6N（Eqn. 22，Fig. 4d）。\n- 先修知识：Schur 补、边缘化。\n\n## 16. Marginalization / Schur complement（边缘化 / 舒尔补）\n\n- 定义：从 Gauss-Newton 系统中消去部分变量（如路标），把其信息浓缩进剩余变量的 Hessian 与梯度（Eqn. 15-17）。\n- 直觉：解方程先消元，但把消元得到的信息保留下来。\n- 论文中的作用：位姿图因子构造与旧状态固定（fixation）的数学基础（Sec. V-D3）。\n- 先修知识：线性代数、最小二乘。\n\n## 17. Loop closure（回环检测）\n\n- 定义：识别重访地点，将位姿图边“复活”为观测并触发全图异步优化以消除累积漂移（Sec. V-C、Fig. 4c）。\n- 直觉：认出“这里我来过”，把绕圈积累的误差摊回整条轨迹。\n- 论文中的作用：DBoW2 候选 + 3D-2D RANSAC 几何验证；旋转平均后均匀分布误差，再同步回实时估计器。\n- 先修知识：位置识别、RANSAC。\n\n## 18. DBoW2（Bag of Binary Words / 二进制词袋）\n\n- 定义：基于二进制描述符的视觉词袋检索库（文献 [^86]）。\n- 直觉：把图像变成“单词袋”以快速查找相似历史图像。\n- 论文中的作用：回环候选生成（Sec. V-C）。\n- 先修知识：图像特征与描述符。\n\n## 19. BRISK（Binary Robust Invariant Scalable Keypoints）\n\n- 定义：二进制鲁棒可尺度不变的关键点与描述符（文献 [^84]）。\n- 直觉：快速、轻量的特征点。\n- 论文中的作用：视觉前端特征提取与地图匹配（Sec. V-B）。\n- 先修知识：特征点检测。\n\n## 20. GNSS / Global position measurement（全球导航卫星系统 / 全局位置测量）\n\n- 定义：提供全局坐标系下绝对位置测量的卫星导航系统；本文融合其全局位置残差（Eqn. 26）。\n- 直觉：室外“上帝视角”的绝对定位，但信号可能中断或被遮挡。\n- 论文中的作用：Ours-vig/vidg/vilg 配置；中断容忍的全局对齐策略（Sec. V-G、VI-E、Table VII）。\n- 先修知识：坐标变换。\n\n## 21. RTK vs SPP（Real-Time Kinematic vs Single Point Positioning）\n\n- 定义：RTK 为厘米级差分 GNSS 解；SPP 为单台接收机的米级解（本文用 RTKLIB 自行解算）。\n- 直觉：RTK 是高配精度，SPP 是低配精度。\n- 论文中的作用：VBR 上模拟 RTK（1 cm 水平/2 cm 垂直噪声）；GVINS 数据集上验证低精度 SPP 融合仍有效（Sec. VI-E、Table X；SPP RMSE 19.99 m vs GVINS 原文 6.036 m 的差异见补充材料）。\n- 先修知识：GNSS 基础。\n\n## 22. ENU frame（East-North-Up / 东北天坐标系）\n\n- 定义：重力对齐的局部笛卡尔全局参考系 F_G，原点位于首个 GNSS 测量位置（Sec. III-A）。\n- 直觉：以起点为原点、东-北-天为轴的地理坐标。\n- 论文中的作用：GNSS 融合的全局参考系定义。\n- 先修知识：坐标框架。\n\n**23. 4-DoF transformation T_GW（4 自由度变换）**\n\n- 定义：全局系与 VI 世界系之间的 3 平移 + 1 偏航变换；SVD 初始化后，以偏航方差判据 p_θθ < σ_θ² 判定可观测并固定（Eqn. 27，Sec. V-G2）。\n- 直觉：两个坐标系只差“平移 + 绕重力轴旋转”，转不够一圈就定不准偏航。\n- 论文中的作用：GNSS 外参初始化与不确定性感知固定判据（相比启发式行驶距离阈值 [^43] 更有原则）。\n- 先修知识：SE(3)、协方差、Hessian 逆即协方差近似。\n\n## 24. Online camera-IMU extrinsics calibration（在线相机-IMU 外参标定）\n\n- 定义：将 T_SCi 加入状态向量在线优化，并把相对位姿因子增广至含全部相机外参（Eqn. 22，Sec. V-E），配先验正则。\n- 直觉：边跑边校准相机与 IMU 的安装关系。\n- 论文中的作用：Hilti-Oxford 消融显示 causal 平均 ATE 从 0.158 m 降至 0.065 m（Table VIII）；±1 cm/±0.3° 扰动下收敛标准差仅 0.08 cm/0.02°（Sec. VI-F、Fig. 14）。\n- 先修知识：外参概念、先验正则化。\n\n## 25. Uncertainty-aware depth fusion（不确定性感知深度融合）\n\n- 定义：为立体与 MVS 网络加不确定性解码器，假设两路独立，按方差倒数最优融合（Eqn. 3-10，文献 [^82]）。\n- 直觉：两把尺子量同一物体，越准的那把权重大。\n- 论文中的作用：Ours-vid 的深度来源；像素级 σ_d 用于地图对齐残差加权（Sec. V-F、Fig. 3）。\n- 先修知识：最优融合、深度估计。\n\n## 26. Laplacian loss（拉普拉斯损失）\n\n- 定义：以拉普拉斯分布建模残差，同时学习预测值与异方差不确定性的损失（Eqn. 4、8，文献 [^80][^81]）。\n- 直觉：网络不仅给答案，还给“我有多确定”。\n- 论文中的作用：偶然不确定性（aleatoric uncertainty）学习机制；另加梯度损失 L_∇u 使不确定图更锐利（Eqn. 5-6）。\n- 先修知识：概率密度、深度学习损失设计。\n\n## 27. Stereo network / MVS network（立体网络 / 多视图立体网络）\n\n- 定义：Unimatch 立体匹配网络（短基线、静止可用）与基于 SimpleRecon 的 MVS 网络（大基线、远距更优），视差/对数深度经线性化转深度与 σ（Eqn. 7、9）。\n- 直觉：一个擅长近处精细，一个擅长远处清晰，融合互补。\n- 论文中的作用：Depth Network 模块；仅在合成数据 TartanAir [^83] 上微调（Sec. IV-A、V-A）。\n- 先修知识：立体匹配、多视图几何。\n\n## 28. TSDF / ESDF（截断符号距离场 / 欧氏符号距离场）\n\n- 定义：存储到表面带符号距离的体积场；ESDF 常用于规划。\n- 直觉：每个体素记“离表面多远、在哪一侧”。\n- 论文中的作用：相关工作对比——Voxgraph 需提取 ESDF 再对齐，本文直接用占据信息导出残差，省去昂贵 ESDF 提取（Sec. II-D、II-E）。\n- 先修知识：体积表示。\n\n## 29. Supereight2\n\n- 定义：多分辨率体积占据建图框架（文献 [^73]），本文子图实现基础。\n- 直觉：现成的高效占据地图引擎。\n- 论文中的作用：提供 log-odds 更新与分段线性逆传感器模型；深度不确定度按深度线性（LiDAR）/二次（RGB-D）增长（Sec. IV）。\n- 先修知识：占据建图。\n\n## 30. Causal / Non-causal / Full BA（因果 / 非因果 / 全局光束法平差）\n\n- 定义：三种评测口径——仅用过去测量的实时轨迹；含回环的最终轨迹；把位姿图边还原为重投影边、精修全部状态（Table I、Sec. VI-A）。\n- 直觉：实时版 / 带全局修正版 / 离线精修版。\n- 论文中的作用：所有精度表格的行分类（Table II、IV、VI、VII）。\n- 先修知识：Bundle Adjustment 概念。\n\n## 31. ATE RMSE（绝对轨迹误差均方根）\n\n- 定义：SE(3) 对齐后估计与真值位姿之差的均方根（Sec. VI-A）。\n- 直觉：整条轨迹平均偏了多少米。\n- 论文中的作用：EuRoC/VBR/GVINS 主指标（Table II、VI、VII、X）；Hilti-Oxford 用官方 0-100 分制。\n- 先修知识：轨迹评估方法。\n\n## 32. Mesh accuracy / Completeness（网格精度 / 完整度）\n\n- 定义：marching cubes 重建子图网格并按子图位姿拼合，与真值体素降采样后做 point-to-plane ICP；0.2 m 内估计点到真值的平均距离为精度，真值被覆盖比例为完整度（Sec. VI-A）。\n- 直觉：地图“准不准”与“全不全”。\n- 论文中的作用：建图质量指标（Table III、V；Fig. 7、9）。\n- 先修知识：表面重建、ICP。\n\n## 33. Robust kernel: Cauchy / Tukey（鲁棒核函数）\n\n- 定义：压低大残差（外点）影响的代价函数变形（Eqn. 29）。\n- 直觉：给离谱测量自动降权。\n- 论文中的作用：重投影误差用 Cauchy ρ_c，地图对齐误差用 Tukey ρ_t；天空等慢变内容亦靠 Cauchy 自动剔除（Sec. V-B、V-H）。\n- 先修知识：M-估计。\n\n## 34. Semantic segmentation / Fast-SCNN（语义分割）\n\n- 定义：仅在关键帧上异步（CPU）运行 Fast-SCNN，滤除天空区域的观测（Sec. V-B）。\n- 直觉：把云这类“会动又不能用来定位”的内容从匹配中剔除。\n- 论文中的作用：显著改善慢移场景内容下的精度。\n- 先修知识：图像分割。\n\n## 35. Far plane（远平面）\n\n- 定义：允许积分进子图的最大有效深度（Sec. VI-C：深度融合 3 m，LiDAR 30 m；VBR 中立体网络 10-15 m）。\n- 直觉：太远的测量不可靠，干脆不要。\n- 论文中的作用：关键建图配置参数，影响精度、完整度与内存（Table V、IX）。\n- 先修知识：相机几何。\n\n### 二、概念依赖图（Concept Dependency Map，纯文本）\n\n``n【第 0 层：先修基础】\n 概率论 + 最小二乘 ──┬──> 非线性优化 / 因子图\n SE(3) 与流形微积分 ──┤ │\n 针孔相机模型 ────────┘ │\n v\n【第 1 层：VI SLAM 核心因子】\n 重投影误差 (Eqn.11) ────────────────┐\n IMU 预积分 (Eqn.12, [87]) ──────────┤\n 边缘化/Schur补 (Eqn.15-17) ──> 相对位姿图误差 (Eqn.13-20) ──┤\n v\n 因子图总目标 (Eqn.29)\n ^\n【第 2 层：稠密地图紧耦合链（论文最核心链条）】\n 体积占据地图 (Sec.IV) ──> log-odds 更新 (Eqn.1-2, Supereight2)\n │ │\n v v\n 子图策略（关键帧锚定 + 重叠/关键帧双判据）──> frame-to-map / map-to-map 因子 (Sec.V-F, Fig.5)\n │ │\n │ v\n │ 地图对齐因子 (Eqn.23-25) ──> 估计器紧耦合 ──> 全局一致地图\n │ ^\n │ │\n 不确定性深度融合 (Eqn.3-10) ──> 像素级 sigma_d ──> 残差加权\n ^\n │\n Laplacian loss (Eqn.4,8) ──> 立体网络 + MVS 网络 (Fig.3)\n\n【第 3 层：GNSS 全局融合链】\n IMU 预积分 ──> GNSS 异步时刻状态传播 (Fig.6) ──> 全局位置残差 (Eqn.26)\n 协方差传播 (Appendix B) ──> SVD 初始化 + 偏航方差判据 (Eqn.27) ──> T_GW 固定\n 中断检测（末位 GNSS 状态被冻结）──> T_GW 重初始化 ──> 全局对齐 (Eqn.28) + 旋转平均 ──> 漂移消除\n\n【第 4 层：扩展与工程机制】\n 在线外参标定 ──> 增广相对位姿因子 (Eqn.22, 6+6N 维) + 先验正则 ──> Table VIII 精度提升\n 回环检测 (DBoW2 + 3D-2D RANSAC) ──> 位姿图边复活 + 路标合并 ──> 全图异步优化 + 同步回实时估计器 (Fig.4c)\n 语义分割 Fast-SCNN ──> 天空观测滤除 ──> 鲁棒性提升\n 状态固定 (fixation) ──> 实时性保障 ──> 触发 GNSS 中断全局对齐\n\n【第 5 层：评测概念】\n Causal / Non-causal / Full BA (Table I) ──> ATE RMSE (Table II, VI, VII, X)\n Marching cubes + ICP ──> Mesh accuracy / Completeness (Table III, V)\n 参数研究 k_f / i_f / n_s / res (Fig.13) ──> 精度-耗时权衡\n 计时/内存 (Fig.12, Table IX) ──> 实时性与可部署性（含机载 Orin NX）\n``n\n关键依赖链解读：\n\n1. **核心创新链**：体积占据地图 → log-odds → 地图对齐因子 → 估计器紧耦合（Sec. IV → V-F），这是论文区别于 Voxgraph/Supereight2/Wildcat 等解耦或点面表示方案的根本。\n2. **可扩展性链**：子图锚定关键帧 → 子图位姿随估计器更新 → 重叠判据控制子图数量 → 9 km 级稠密建图（Sec. IV、VI-D）。\n3. **不确定性链**：Laplacian loss → 立体/MVS 深度与 σ → 最优融合 → σ_d 加权地图残差（Sec. IV-A → V-F），解释了 Ours-vid 在 EuRoC/Hilti 上的建图优势（Table III、V）。\n4. **GNSS 链**：IMU 预积分同时服务于残差构造（Fig. 6）与协方差传播（Appendix B），后者支撑可观测性判据与中断后全局对齐（Sec. V-G）。\n5. **实时性链**：边缘化 → 位姿图压缩 → 状态固定 → 多线程解耦（前端/实时估计器/子图接口/深度网络，Fig. 2、12），是系统级贡献的基础。\n\n\n\n\n## 模块 G：联网核验与引用校对 / Module G: Verification and Citation Check\n\n## Module G：验证、冲突与参考文献核查\n\n### 1. 关键事实性主张核查（Key factual claims，每条尽量给出至少两个来源）\n\n#### 主张 1：OKVIS2-X 在 EuRoC 上取得相对当时最先进方法的最高轨迹精度\n\n- **论文内定位**：摘要、Sec. VI-B、Table II。\n- **来源 1（论文内部数据）**：Table II 非因果评测中 Ours-vi-nc 平均 ATE 为 0.030 m，优于 ORB-SLAM3（0.035 m）与 MAVIS-SLAM（0.034 m）；Ours-vi-ba / Ours-vid-ba 进一步降至 0.028 m。\n- **来源 2（论文内部数据）**：VIO（无回环）对比中，Ours-vi 平均 0.066 m，较 OpenVINS（0.117 m）与 Kimera2（0.112 m）降低约 41%–44%（Sec. VI-B 正文明确陈述 41%）。\n- **外部可对照**：ORB-SLAM3 原文 [^3] 报告的 EuRoC 数值（Table II 脚注 1 注明部分结果取自原论文）。\n- **核查结论**：成立；但注意 V203 序列在 V-SLAM 配置下失败（见冲突 3）。\n\n#### 主张 2：在 Hilti22 VI-only 基准中超越所有已发表竞争者\n\n- **论文内定位**：摘要、Sec. VI-C、Table IV。\n- **来源 1（论文内部数据）**：Table IV 非因果组中 Ours-vid-ba 总分 177.59，高于 MAVIS SLAM（150.62）、BAMF-SLAM（40.86）、ORB-SLAM3（22.25）。\n- **来源 2（外部排行榜）**：HILTI SLAM Challenge 2022 排行榜 [^93]（Table IV 脚注 2 注明 FAST-LIVO2、VILENS、Wildcat 等分数取自该排行榜）。\n- **核查结论**：成立；但排行榜分数依赖复现配置，且作者报告的是 3 次运行的最佳值（括号内为中位数）。\n\n#### 主张 3：系统可扩展至 9 km 级场景并保持亚米级精度\n\n- **论文内定位**：摘要、Sec. VI-D、Table VI、Sec. VII 结论。\n- **来源 1（论文内部数据）**：Table VI 中 Ciampino0 轨迹长 9.008 km，Ours-vil-nc ATE 0.529 m、Ours-vil-ba 0.502 m。\n- **来源 2（论文内部陈述）**：Sec. VII 明确陈述 \"sub-meter trajectory accuracy in a 9 km driving sequence with a visual-inertial-LiDAR configuration\"。\n- **核查结论**：成立。\n\n#### 主张 4：估计器与体积占据子图通过无对应点地图对齐因子紧耦合\n\n- **论文内定位**：Sec. IV（Eqn. 1–2 log-odds 更新）、Sec. V-F（Eqn. 23 残差定义）、Fig. 5、Appendix D（雅可比）。\n- **来源 1（方法自洽性）**：Eqn. (23) 直接从占据 log-odds 值 L(·) 与梯度 ∇L 外推点到面距离，无需特征提取或 ICP 对应。\n- **来源 2（与先前工作衔接）**：Sec. II-E 说明与 Voxgraph [^71]、Supereight2 系工作 [^72][^74] 的区别——本系统子图全局对齐不与估计器解耦，且无需提取 ESDF；方法延续作者先前工作 [^13][^14]。\n- **核查结论**：方法层面自洽，与引用文献的定位一致。\n\n#### 主张 5：GNSS 融合显著降低误差并容忍长时间信号中断\n\n- **论文内定位**：Sec. V-G（Eqn. 26–28）、Sec. VI-E、Table VII、Table X、Fig. 10–11。\n- **来源 1（模拟中断实验）**：Table VII——VBR Campus1 模拟 75 s / 450 m GNSS 中断，Ours-vilg Final BA ATE 0.169 m，显著优于无 GNSS 的 Ours-vil（0.875 m）。\n- **来源 2（真实低精度 GNSS 实验）**：Table X——GVINS complex_environment 序列（约 3 km），Ours-vig Final BA 5.12 m，相比视觉-惯性基线 Ours-vi（23.74 m）大幅降低。\n- **核查结论**：成立；但需注意 GVINS 原法（4.45 m）在该序列仍优于 Ours-vig（5.12 m），作者在补充材料中明确声明不主张 GNSS 融合的普遍优越性。\n\n#### 主张 6：在线相机-IMU 外参标定提升精度且对初始扰动鲁棒\n\n- **论文内定位**：Sec. V-E（Eqn. 22）、Sec. VI-F、Table VIII、补充材料 Fig. 14。\n- **来源 1（消融数据）**：Table VIII——Ours-vi-c 平均 ATE 从 0.158 m（无标定）降至 0.065 m（在线标定）；Ours-vi-ba 从 0.082 m 降至 0.032 m。\n- **来源 2（扰动实验）**：补充材料——exp06 五相机外参以 ±1 cm / ±0.3° 均匀分布扰动，10 次独立运行后末端标准差仅 0.08 cm / 0.02°，表明收敛鲁棒。\n- **核查结论**：成立；且 Post-calibration（0.050/0.034/0.032 m）略优于在线标定，作者据此推断估计外参接近真值。\n\n#### 主张 7：系统实时运行\n\n- **论文内定位**：Sec. VI-H、Fig. 12、Fig. 13。\n- **来源 1（组件计时）**：MH05 上 Ours-vi 达 47 Hz；exp06 上 Ours-vi 10 Hz、Ours-vil 实时估计器 8 Hz；深度网络最低 13 Hz。\n- **来源 2（与 ORB-SLAM3 的 wall-time 对比）**：MH05 38.1 vs 64.7 ms（更快）；exp06 112.3 vs 116.1 ms（持平）；Campus1 107.3 vs 69.1 ms（更慢但精度 2.499 m vs 7.289 m）。\n- **核查结论**：成立；补充材料还提及可在机载 NVIDIA Orin NX 上运行（补充视频）。\n\n#### 主张 8：代码开源发布\n\n- **来源 1**：摘要末尾链接 。\n- **来源 2**：Sec. I 贡献列表最后一条 \"We will release our framework as open source to foster research in the field of multi-sensor SLAM\"。\n- **核查结论**：开源声明成立；但不确定性深度网络的训练代码与超参是否随主仓库发布，正文未明确确认（见冲突 7）。\n\n### 2. 冲突与不确定性说明（Conflict / uncertainty notes）\n\n1. **SPP 精度与 GVINS 原文不一致（最重要的已声明冲突）**：补充材料承认，用 RTKLIB [^94] 自行计算的 SPP 解 RMSE ATE 为 19.99 m，而 GVINS 原文 [^50] 报告为 6.036 m；即使滤除误差 >40 m 的离群点仍为 9.01 m。影响：Table X 中绝对数值与 GVINS 原文不完全可比；但\"融合显著降误差\"的方向性结论（23.74 m → 5.12 m）稳健。\n2. **对比结果来源混合**：Table II、Table IV 部分对比数值取自原论文或 HILTI 排行榜（脚注 1/2），其运行配置无法完全复现；ORB-SLAM3 / OpenVINS 在 Hilti-Oxford 上的结果为作者基于开源自行运行（stereo-inertial 配置，3 次最佳）。\n3. **V203 序列在 V-SLAM 配置下失败**：Ours-v-c 误差 1.133 m、Ours-v-nc 1.125 m，作者视为失败序列并从平均值中剔除（Table II 脚注 2）；归因于运动模糊、图像丢失与剧烈曝光变化。\n4. **VBR 中 ORB-SLAM3 部分序列失败**：Campus0、Ciampino0、Ciampino1 标注脚注 2，成功运行少于 3 次（Table VI）；同时 Campus*/Ciampino* 序列存在 IMU 数据缺失片段，其他系统亦出现精度退化或失败。\n5. **LiDAR-Inertial 类别中 Wildcat 仍最优**：Table IV 中 Wildcat [^68]（563.79 分）优于 Ours-vil-ba（438.10 分）；作者承认其为纯 LiDAR-Inertial 系统，且本系统瓶颈在 exp07 长走廊（LiDAR 沿运动方向几何退化，误差约 11 cm）。\n6. **\"tightly-coupled\" 术语定义差异**：补充材料明确本文定义遵循 [^48]（异构传感器残差在统一非线性优化中联合最小化），与 [^18] 等松耦合并行位姿图优化不同；跨论文比较时需注意口径。\n7. **深度网络训练域局限**：不确定性增强的立体/MVS 网络仅在合成数据集 TartanAir [^83] 上微调（Sec. IV-A）；真实域泛化依赖不确定性建模，训练代码发布情况未确认。MVS 网络在 VBR 开阔天空下因非逆深度参数化输出噪声深度，故 VBR 仅启用立体网络（Sec. VI-D）。\n8. **内存开销高于稀疏方法**：Table IX 显示 Ours-vil 在 VBR Campus1 需 25.5 GB（FAST-LIVO 为 15.0 GB）；作者论证其体积地图显式表达自由空间、可直接用于安全导航，属有意权衡而非缺陷，但部署于资源受限平台时需注意。\n9. **深度融合精度饱和**：Sec. VI-B 指出 Ours-vid 在 EuRoC 非因果评测中与 Ours-vi 平均精度相同（0.030 m），说明网络深度未能达到 3 cm 级（轨迹长度的 0.04%）精度，深度因子主要改善因果（实时）轨迹与建图质量（Table III）。\n10. **复现参数敏感性**：Sec. VI-G 参数研究表明子图因子数量、体素分辨率、far plane（深度 3–15 m / LiDAR 30 m）等配置显著影响精度-耗时权衡；复现时需对照 Table I 配置定义与 Fig. 13。\n\n### 3. 参考文献列表（核查所依据的关键文献）\n\n- [^1] L. Brizi et al., \"VBR: A Vision Benchmark in Rome,\" ICRA 2024.（大规模评测数据集）\n- [^2] S. Leutenegger, \"OKVIS2: Realtime scalable visual-inertial SLAM with loop closure,\" arXiv:2202.09199, 2022.（本系统基座）\n- [^3] C. Campos et al., \"ORB-SLAM3,\" IEEE T-RO, vol. 37, no. 6, 2021.（主要对比方法）\n- [^5] P. Geneva et al., \"OpenVINS,\" ICRA 2020.（VIO 对比方法）\n- [^9] C. Zheng et al., \"FAST-LIVO2,\" IEEE T-RO, 2024.（LiDAR-VI 对比方法）\n- [^11] D. Wisth et al., \"VILENS,\" IEEE T-RO, vol. 39, no. 1, 2022.（LiDAR-VI 对比方法）\n- [^12] S. Boche et al., \"Visual-inertial SLAM with tightly-coupled dropout-tolerant GPS fusion,\" IROS 2022.（GNSS 融合先前工作）\n- [^13] S. Boche et al., \"Tightly-Coupled LiDAR-Visual-Inertial SLAM and Large-Scale Volumetric Occupancy Mapping,\" ICRA 2024.（LiDAR 子图对齐先前工作）\n- [^14] J. Jung et al., \"Uncertainty-aware visual-inertial SLAM with volumetric occupancy mapping,\" ICRA 2025.（不确定性深度融合先前工作）\n- [^20] Y. Wang et al., \"MAVIS,\" ICRA 2024.（多相机 VI-SLAM 对比方法）\n- [^48] G. Cioffi and D. Scaramuzza, IROS 2020.（紧耦合 GNSS-VIO 定义参照）\n- [^50] S. Cao et al., \"GVINS,\" IEEE T-RO, vol. 38, no. 4, 2022.（真实 GNSS 实验对比与 SPP 数值冲突来源）\n- [^58] Y. Xin et al., \"SimpleMapping,\" ISMAR 2023.（建图对比方法）\n- [^68] M. Ramezani et al., \"Wildcat,\" arXiv:2205.12595, 2022.（Hilti 排行榜最优 LiDAR-Inertial 系统）\n- [^73] N. Funk et al., \"Supereight2,\" IEEE RA-L, vol. 6, no. 2, 2021.（多分辨率体积建图框架）\n- [^79] H. Xu et al., \"Unimatch,\" IEEE TPAMI, vol. 45, no. 11, 2023.（立体深度网络基座）\n- [^83] W. Wang et al., \"TartanAir,\" IROS 2020.（深度网络微调合成数据集）\n- [^89] M. Burri et al., \"The EuRoC MAV datasets,\" IJRR, 2016.（EuRoC 数据集）\n- [^90] L. Zhang et al., \"Hilti-Oxford dataset,\" IEEE RA-L, vol. 8, no. 1, 2022.（Hilti-Oxford 数据集）\n- [^93] \"HILTI SLAM Challenge 2022 Leaderboard,\" \n- [^94] T. Takasu and A. Yasuda, \"RTKLIB,\" International Symposium on GPS/GNSS, 2009.（SPP 解算工具，冲突 1 相关）\n\n### 核查总结\n\n论文核心主张（EuRoC/Hilti22/VBR 上的精度领先、9 km 可扩展性、GNSS 中断容忍、在线外参标定有效性、实时性、开源）均能在论文内部多处定位相互印证，并与外部排行榜 [^93] 及引用文献一致。最主要的已声明冲突是 SPP 解算精度与 GVINS 原文的差异（19.99 m vs 6.036 m，补充材料），以及部分对比数值取自排行榜/原论文导致的复现不确定性；这些均不影响系统级结论的方向，但复现绝对数值时应参照 Table I 配置与 Sec. VI-G 参数研究。\n\n\n\n## 模块 H：图表与表格抽取（索引/打分/深读） / Module H: Figure/Table Mining (index, scoring, top deep dive)\n\n## Module H：图表提取与深度解读\n\n### 1. 图表完整索引\n\n#### 1.1 图（Figures）索引\n\n| 编号 | 内容摘要 | 类型 | 位置 | 支持的论断 | 优先级 |\n|------|---------|------|------|-----------|--------|\n| Fig. 1 | VBR Spagna 序列 3D 重建：LiDAR（上）与深度网络（下）两种模态对比，黑色为估计轨迹，子图以不同颜色区分 | 定性可视化 | Sec. I | 系统对多传感器模态的通用性；子图建图的全局一致性 | ★★★ |\n| Fig. 2 | OKVIS2-X 系统架构：灰底为 OKVIS2 原有组件，白底为多传感器扩展（Depth Network、Multi-Sensor Processor、Submapping Interface） | 系统架构图 | Sec. I / V-A | 模块化、可配置多传感器 SLAM 系统设计 | ★★★★★ |\n| Fig. 3 | 立体网络（11cm 基线）、MVS 网络（8 视图、50cm 最大基线）及二者融合的逆深度与标准差预测（EuRoC） | 定性可视化 | Sec. IV-A | 不确定性感知深度融合：立体网络近场细节优、MVS 远场更锐利，融合按不确定性取最优 | ★★★★ |\n| Fig. 4 | 因子图演化四阶段：(a) 初始全批 VI 因子图；(b) 位姿图创建与旧状态固定；(c) 回环闭合复活观测；(d) 在线外参优化扩展 | 方法示意图 | Sec. V-C/V-D | 因子图构建机制；在线外参标定嵌入相对位姿因子（Eqn. 22） | ★★★★★ |\n| Fig. 5 | 含稠密子图对齐的因子图：左为实时估计器中 frame-to-map 因子，右为子图间 map-to-map 因子 | 方法示意图 | Sec. V-F | 两类子图对齐残差（Eqn. 23）与优化窗口的连接方式 | ★★★★★ |\n| Fig. 6 | 全局位置残差评估：以 IMU 预积分将相机帧 i 时刻状态传播至 GNSS 测量时刻 j | 方法示意图 | Sec. V-G | GNSS 异步测量残差（Eqn. 26）的构造方式 | ★★★ |\n| Fig. 7 | V102 序列重建网格（mesh-to-point 误差编码）：Ours-vid（左）vs Simplemapping（右） | 定性对比 | Sec. VI-B | Ours-vid 在房间边缘等区域建图精度优于 Simplemapping | ★★★ |\n| Fig. 8 | exp03（Hilti-Oxford）失败案例：黑暗房间中前相机图像全黑，LiDAR 补偿视觉失效 | 定性可视化 | Sec. VI-C | LiDAR 在视觉退化场景提供鲁棒性冗余 | ★★★ |\n| Fig. 9 | 体积子图 3D 重建：左列学习深度、右列 LiDAR；上排 Hilti exp06、下排 VBR Ciampino0（含比例尺） | 定性可视化 | Sec. VI-C/D | 建图质量与公里级场景可扩展性 | ★★★★ |\n| Fig. 10 | VBR Campus1 重建与轨迹叠加：vid（蓝）与 vil（黄）+GNSS 融合因果轨迹；GNSS 可用区（虚线绿）/拒止区（虚线红）；中断结束处轨迹跳变展示全局对齐 | 定性可视化 | Sec. VI-E | GNSS 中断容忍融合与类回环全局对齐策略（Sec. V-G3）的有效性 | ★★★★★ |\n| Fig. 11 | GVINS complex_environment 序列 SPP 解与 OKVIS2-X 轨迹叠加于 Google Maps | 定性可视化 | Sec. VI-E | 低精度 SPP 融合在信号严重污染区域仍保持道路布局一致性 | ★★★★ |\n| Fig. 12 | 各配置每帧耗时分解（ms/帧），每柱为一个并行线程（桌面 i7-13700 + RTX-3080 10GB） | 定量柱状图 | Sec. VI-H | 实时性：多线程解耦，MH05 vi 配置达 47Hz，深度网络 ≥13Hz | ★★★★ |\n| Fig. 13 | 参数研究：(a) EuRoC 全序列（vid）、(b) VBR Campus0（vil）；变量为关键帧数 kf、IMU 帧数 if、子图因子数 ns、体素分辨率 res | 定量统计图（10/50/90 分位，10 次运行） | Sec. VI-G | 当前默认参数在精度与实时优化耗时间取得良好平衡 | ★★★ |\n| Fig. 14 | exp06 相机-IMU 外参扰动研究：5 相机、±1cm/±0.3° 均匀扰动、10 次独立运行的收敛曲线 | 定量曲线图 | 补充材料 | 在线标定对初始误差鲁棒（序列末端标准差仅 0.08cm / 0.02°） | ★★★ |\n\n#### 1.2 表（Tables）索引\n\n| 编号 | 标题 | 类型 | 位置 | 支持的论断 | 关键数值 |\n|------|------|------|------|-----------|---------|\n| Table I | 基于传感器配置与估计器因果性的方法定义 | 实验配置定义表 | Sec. VI-A | 定义 Ours-v/vi/vig/vid/vidg/vil/vilg × c/nc/ba 实验矩阵，是解读所有结果表的钥匙 | — |\n| Table II | EuRoC ATE RMSE [m] | 主结果表 | Sec. VI-B | VI-SLAM 非因果评估优于 ORB-SLAM3；VIO 模式较 OpenVINS/Kimera2 平均降误差 41% | Ours-vi-nc 均值 0.030m；Ours-vid-ba 0.028m（最优）；V203 对 V-SLAM 失败（≈1.1m，脚注 2 剔除出均值） |\n| Table III | EuRoC 网格精度 [m] / 完整度 [%]（0.2m 阈值） | 建图定量表 | Sec. VI-B | Ours-vid 建图精度与完整度最高，超过 Simplemapping；深度融合优于单一网络来源 | Ours-vid 平均精度 0.039m、完整度 56.09%（Simplemapping 对应 0.072m / 50.71%） |\n| Table IV | Hilti-Oxford 定位得分 | 主结果表 | Sec. VI-C | VI-only 榜单第一（Ours-vid-ba 177.59 分）；VIL 配置在已发表系统中领先，仅次于纯 LiDAR-惯性 Wildcat | Ours-vil-ba 总分 438.10 vs Wildcat 563.79、FAST-LIVO2 402.93、VILENS 325.77 |\n| Table V | Hilti 网格精度/完整度（exp04-06） | 建图定量表 | Sec. VI-C | LiDAR 建图优于深度网络建图 | Ours-vil 平均精度 0.029m、完整度 78.33%（Ours-vid 0.042m / 64.27%） |\n| Table VI | VBR ATE RMSE [m]（末行含轨迹长度） | 主结果表 | Sec. VI-D | 大规模（最长 9.008km）场景全面优于 ORB-SLAM3/OpenVINS/FAST-LIVO；鲁棒应对动态实体与 IMU 数据缺失 | Ours-vil-nc 平均 0.829m（约 0.03% 轨迹长）；Ours-vil-c 1.771m；ORB-SLAM3 多序列失败（脚注 2） |\n| Table VII | VBR Campus1 GNSS 中断容忍融合 ATE RMSE [m] | 扩展实验表 | Sec. VI-E | GNSS 融合在所有配置下显著降误差；LiDAR 配置在 75s/450m 中断期间漂移最小 | Ours-vilg Final BA 0.169m（中断期间 0.386m）；Ours-vig Final BA 0.661m |\n| Table VIII | 在线外参标定消融（Hilti-Oxford ATE RMSE [m]） | 消融表 | Sec. VI-F | 在线标定显著提升精度；后标定（用估计外参离线重跑）结果更优，说明估计外参接近真值 | Ours-vi-c：无标定 0.158m → 在线 0.065m → 后标定 0.050m |\n| Table IX | 各方法最大内存 [GB] | 资源定量表 | Sec. VI-H | 稠密体积建图内存高于稀疏/点云方法，但消费级硬件与机载 Orin NX 可承受 | Ours-vil 在 Campus1 需 25.5GB vs FAST-LIVO 15.0GB；exp06 上 vid/vil 均 ≈11.5GB；GPU 仅 3.51GB |\n| Table X | complex_environment 序列 RMSE ATE [m]（补充材料） | 扩展实验表 | 补充材料 | 真实低精度 SPP 融合仍显著降误差，但不及使用伪距/多普勒原始测量的 GVINS | Ours-vig Final BA 5.12m vs SPP 19.99m、GVINS 4.45m、Ours-vi 基线 23.72m |\n\n### 2. 优先深度精读图表（Top-priority deep reads，共 5 项）\n\n1. **Fig. 2 + Fig. 5（系统架构与子图对齐因子图）**：二者共同构成理解全文的骨架。Fig. 2 给出模块边界（视觉前端 / 实时估计器 / 异步回环优化 / Depth Network / Multi-Sensor Processor / Submapping Interface）与数据流；Fig. 5 说明新增的 frame-to-map 与 map-to-map 因子如何接入优化窗口（对应 Eqn. 23 与总目标函数 Eqn. 29 的第 4、5 项）。精读要点：子图锚定于关键帧位姿并随估计器更新；两类残差误差形式相同（Eqn. 23）但连接对象不同——前者连接实时帧与上一完成子图的关键帧，后者连接两个子图锚定关键帧。\n2. **Table IV（Hilti-Oxford 定位得分）**：论文核心竞争性结论的来源。需注意三点：(i) 得分制将位置误差 [^10] [^100]cm 映射到 [^0] [^100] 分，分数越高越好；(ii) Ours 报告 3 次运行的最优（括号内为中位数），对手分数取自排行榜（脚注 2）；(iii) 分组比较——VI-only 中 Ours-vid-ba（177.59）领先所有已发表 VI-SLAM；VIL 中 Ours-vil-ba（438.10）超过 FAST-LIVO2 与 VILENS，仅低于纯 LiDAR-惯性的 Wildcat（563.79）；exp07 长直走廊为 LiDAR 退化场景，是主要瓶颈（Sec. VI-C 正文明确说明）。\n3. **Table VI + Fig. 10（VBR 大规模评测与 GNSS 中断可视化）**：Table VI 证明公里级可扩展性（Ciampino0 达 9.008km，Ours-vil-nc 平均 0.829m，约为轨迹长度的 0.03%）；Fig. 10 直观展示 GNSS 中断期间 LiDAR 配置（黄）贴合真值而视觉配置（蓝）显著漂移，以及中断结束处由全局对齐策略造成的轨迹“跳变”修正——这是 Sec. V-G3 机制在全文中唯一的直观证据。\n4. **Table II + Table III（EuRoC 轨迹与建图双指标）**：Table II 支撑“轨迹精度 SOTA”主张（注意 V203 被视为 V-SLAM 失败序列剔除出均值，脚注 2；Ours 全部报告 10 次运行中位数）；Table III 支撑“紧耦合建图质量”主张（Ours-vid 0.039m/56.09% vs Simplemapping 0.072m/50.71%），且 Mono 配置也优于对手，说明增益来自不确定性深度融合而非仅立体输入。\n5. **Fig. 12 + Table IX（实时性与内存预算）**：系统可用性的关键证据。Fig. 12 显示各线程并行、总耗时非简单求和（MH05 vi 达 47Hz；exp06 vil 实时估计器 8Hz、子图接口 3.5Hz；VBR 高分辨率相机与额外 refinement 步骤增加耗时）；Table IX 量化稠密建图的内存代价（Campus1 vil 25.5GB），并与 FAST-LIVO 对比说明该代价换来可直接用于安全导航的自由空间表达（Sec. VI-H）。\n\n### 3. 图表关系 / 实验设置图\n\n``n ┌─────────────────────────────────────────┐\n │ 方法层（Sec. III–V） │\n │ │\n Fig. 2 系统架构 ──────▶│ 视觉前端 ─ 实时估计器 ─ 异步回环优化 │\n （模块与数据流） │ │ │ │\n │ Depth Network │ │\n Fig. 3 深度/不确定性 ─▶│ │ │ │\n │ Multi-Sensor Proc│ │\n Fig. 6 GNSS 传播 ────▶│ │ │ │\n │ Submapping Intf. ▼ │\n Fig. 4 因子图演化 ───▶│ [重投影+IMU+位姿图+外参] + [子图对齐] │\n Fig. 5 子图对齐因子 ─▶│ Eqn.11-13,22 Eqn.23 Eqn.26 │\n └────────────────┬────────────────────────┘\n │ 统一目标函数 Eqn. 29\n ▼\n ┌─────────────────────────────────────────┐\n │ 评测层（Sec. VI） │\n │ │\n │ Table I 配置矩阵（vi/vid/vil × c/nc/ba） │\n │ ├─ EuRoC：Table II（ATE）+ III（网格） │◀─ Fig. 7 误差编码\n │ ├─ Hilti-Oxford：Table IV（得分） │◀─ Fig. 8 失败案例\n │ │ + Table V（网格） │◀─ Fig. 9 重建对比\n │ ├─ VBR 大规模：Table VI（ATE） │◀─ Fig. 1, 9 重建\n │ ├─ GNSS 融合：Table VII（仿真中断） │◀─ Fig. 10 轨迹可视化\n │ │ Table X（真实 SPP） │◀─ Fig. 11 地图叠加\n │ ├─ 消融：Table VIII（在线外参标定） │◀─ Fig. 14 扰动收敛\n │ └─ 资源：Fig. 12（耗时）+ Fig. 13（参数）│\n │ + Table IX（内存） │\n └─────────────────────────────────────────┘\n``n\n阅读逻辑：先以 Table I 建立配置命名体系（方法名 = 传感器组合 + 因果性后缀）→ 方法层图表（Fig. 2/4/5/6 为主干，Fig. 3 解释深度不确定性来源）说明各残差项的来源与接入方式 → 评测层各表按数据集组织，图为定性佐证，消融（Table VIII、Fig. 13）与资源图表（Fig. 12、Table IX）验证设计选择的合理性。\n\n### 4. 图表 → 结论映射\n\n| 论文核心结论 | 支撑图表 | 证据强度与备注 |\n|------------|---------|--------------|\n| 多传感器统一框架可实时运行（贡献 1） | Fig. 2、Fig. 12、Table IX | 强：47Hz（MH05-vi）至 8Hz（exp06-vil），最大内存 25.5GB、GPU 3.51GB，消费级硬件与机载 Orin NX 可承受 |\n| 估计器与体积子图紧耦合带来精度/鲁棒性增益（贡献 2） | Table II/III（vid vs vi）、Table IV（vi-c 50.20 → vid-c 91.26 分）、Table VI、Fig. 5 | 强：因果评估中子图因子增益最明显（EuRoC 0.048→0.046m；Hilti VI-only 50.20→91.26 分） |\n| 在线外参标定有效且对初始误差鲁棒（贡献 3） | Table VIII、Fig. 4(d)、Fig. 14 | 强：ATE 平均 0.158→0.065m；±1cm/±0.3° 扰动下 10 次运行收敛标准差仅 0.08cm/0.02° |\n| 大规模（9km）场景 SOTA（贡献 4） | Table VI、Fig. 1、Fig. 9 | 强：Ours-vil-nc 平均 0.829m；ORB-SLAM3 在 Ciampino0/Campus0 失败（脚注 2） |\n| VI-only 基准第一（摘要主张） | Table IV（Ours-vid-ba 177.59 vs BAMF-SLAM 40.86、MAVIS 150.62 等） | 强，但需注意对手分数取自排行榜、Ours 取 3 次运行最优 |\n| VIL 配置领先已发表系统、仅次于 Wildcat | Table IV（438.10 vs FAST-LIVO2 402.93、VILENS 325.77、Wildcat 563.79） | 中强：Wildcat 为纯 LiDAR-惯性系统；exp07 退化长走廊为主要差距来源（正文明确承认） |\n| GNSS 中断容忍融合有效 | Table VII、Fig. 10、Table X、Fig. 11 | 仿真 RTK 场景强（vilg Final BA 0.169m）；真实 SPP 场景中等（5.12m 仍逊于 GVINS 4.45m），作者在补充材料中明确声明不主张 GNSS 融合普遍优越 |\n| 建图可直接用于下游导航 | Fig. 9、Fig. 10、Sec. IV（占据概率区分自由/占据/未知空间） | 定性为主：正文未含导航闭环实验，下游验证引用 [^76][^77][^78]；这是审稿视角下的一个证据缺口 |\n| 深度网络不确定性建模有效 | Fig. 3、Table III、Fig. 7 | 中强：融合深度建图 0.039m 优于单一来源；但网络仅在合成数据 TartanAir [^83] 上微调（Sec. IV-A），真实场景泛化性依赖评测结果间接支撑 |" }