{
  "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": "simple",
  "summary": "### 摘要\n移动机器人需要高精度、高鲁棒的状态估计以及可直接用于自主导航的稠密地图，但以ORB-SLAM3、OpenVINS为代表的主流视觉-惯性SLAM系统大多仅构建稀疏地图、缺乏下游任务所需的几何信息；FAST-LIVO2等LiDAR-视觉-惯性系统与GVINS等GNSS融合方法虽提升了精度与鲁棒性，却难以在统一框架内灵活配置多种模态，而神经隐式稠密SLAM（如NICE-SLAM）又难以扩展到公里级场景。针对这些问题，本文在OKVIS2基础上提出统一可配置的多传感器SLAM系统OKVIS2-X：采用基于Supereight2的多分辨率体积占据子图表示，通过子图对齐因子将稠密地图与状态估计器紧耦合，其核心机制是由占据图log-odds值L与梯度∇L直接推导点到最近表面的距离（d=L/|∇L|），进而构造无需特征提取或对应关系的加权残差 e_m = L/√(L_min²/9 + σ_d²|∇L|²) 并加入因子图优化；系统还支持不确定性感知的立体/MVS深度融合、4-DoF GNSS参考系紧耦合融合（含SVD初始化、不确定性感知可观测性判据及GNSS中断后的类回环全局对齐）以及相机-IMU外参在线标定。为验证不同尺度与模态下的性能，作者在EuRoC（无人机、数十米）、Hilti-Oxford（手持、数百米）、VBR（车载、最长9公里）及GVINS数据集上进行了评估：在EuRoC上以ATE RMSE衡量取得最高轨迹精度（Ours-vid-ba平均0.028m）并取得最优地图精度（0.039m）与完整性（56.09%）；在Hilti-Oxford的VI-only基准上超越所有已发表竞争者、LiDAR版本平均位置误差4.1cm；在VBR上VI-LiDAR因果评估平均ATE为1.771m（轨迹的0.06%），并在模拟75秒GNSS中断下最终BA仅16.9cm，验证了子图对齐、多模态融合与GNSS中断容忍等创新的有效性。系统实时性（深度网络最低13Hz、VI配置最高47Hz）与内存需求（消费级硬件可满足，可运行于搭载NVIDIA Orin NX的无人机）满足实际部署约束，但在低光照视觉失效（exp03）和长走廊LiDAR退化（exp07）等场景仍存在局限；未来工作包括传感器时间偏移与LiDAR/GNSS天线外参在线标定、多会话重定位、开放词汇场景理解、动态物体与变化检测，以及按需局部地图保存加载以实现更细分辨率与无限可扩展性。\n\n### 关键要点\n- OKVIS2-X是统一且可配置的多传感器SLAM系统，通过因子图融合视觉、惯性、学习深度或LiDAR以及GNSS测量，是首个基于体积占据地图表示、支持多种新颖传感器组合（如VI-LiDAR-GNSS、VI-depth-GNSS）的统一多传感器SLAM系统。\n- 系统采用基于Supereight2的多分辨率体积占据子图策略，子图锚定到关键帧状态并随估计器更新而调整，使稠密建图可扩展至公里级环境（VBR中最长9公里序列）。\n- 核心机制：子图对齐残差直接从占据图的log-odds值L和梯度∇L推导（d=L/|∇L|，σ_map=L_min/(3|∇L|)），无需提取显著几何特征或建立对应关系，以frame-to-map和map-to-map两类因子紧耦合进因子图优化。\n- 不确定性感知深度融合：为立体网络与MVS网络增加不确定性解码器并采用Laplacian损失学习像素级不确定性，通过逆方差加权最优融合两路深度估计，网络仅在合成数据集上微调即可泛化到真实场景。\n- GNSS融合估计4-DoF全局-局部参考系变换，采用SVD初始化与基于偏航方差的不确定性感知可观测性判据；GNSS长时间中断后通过重新初始化外参并利用旋转平均将漂移分布到各状态的类回环全局对齐策略补偿漂移。\n- 支持相机-IMU外参在线标定，将相对位姿图误差项扩展为6+6N维以包含外参变量；Hilti-Oxford消融研究显示在线标定将因果轨迹误差从0.158m降至0.065m，且对±1cm/±0.3°的初始外参扰动鲁棒收敛（10次运行后标准差仅0.08cm和0.02°）。\n- 在EuRoC数据集上取得最高轨迹精度：Ours-vid-ba非因果平均ATE为0.028m，同时取得最优地图精度（0.039m）与完整性（56.09%），深度融合在因果评估中进一步提升基线精度。\n- 在Hilti-Oxford基准上，VI-only配置（Ours-vid-ba总分177.59）超越所有已发表竞争者；VI-LiDAR版本平均位置误差4.1cm（排除exp07后2.8cm），在已发表VI-LiDAR系统中排名第一，仅逊于纯LiDAR-惯性的Wildcat。\n- 在VBR大规模数据集上，VI-LiDAR因果评估平均ATE为1.771m（轨迹的0.06%）、非因果0.829m，显著优于ORB-SLAM3、OpenVINS和FAST-LIVO，并在含动态实体和缺失IMU测量的序列中保持鲁棒。\n- GNSS中断容忍验证：在VBR Campus1模拟75秒（450m）GNSS中断，VI-LiDAR-GNSS配置最终BA的RMSE ATE仅16.9cm（约3km轨迹）；在GVINS复杂环境序列中，即使融合高噪声SPP解（自身误差19.99m）也将VI基线误差从23.72m降至5.12m。\n- 系统满足实时约束：不确定性感知深度网络最低13Hz处理，VI配置在EuRoC上达47Hz；稠密体积地图内存需求（LiDAR配置VBR Campus1为25.5GB）可由消费级计算机满足，并可在搭载NVIDIA Orin NX的无人机上运行。\n- 局限与未来方向：低光照（exp03）下视觉失效需LiDAR补偿、长走廊（exp07）为LiDAR退化场景；未来将纳入传感器时间偏移在线标定、LiDAR与GNSS天线外参标定、多会话重定位、开放词汇场景理解、动态物体与变化检测，以及按需局部地图保存加载。"
}