OKVIS2-X：基于关键帧的视觉-惯性 SLAM 系统，可配置稠密深度或激光雷达及 GNSS
机器人学
2025-10-07 v1
摘要
为赋能移动机器人构建可用地图并实现最高的状态估计精度和鲁棒性，我们提出 OKVIS2-X：一个面向大规模环境且实时运行的领先多传感器同时定位与制图（SLAM）系统，构建稠密体积占用地图。我们的统一 SLAM 框架无缝集成不同的传感器模态：视觉、惯性、测量或学习深度、激光雷达和全球导航卫星系统（GNSS）测量。与大多数领先 SLAM 系统不同，我们主张在利用深度或范围感知能力时使用稠密体积地图表示。我们采用高效的子地图策略，使系统能够扩展到大规模环境，展示了最长达 9 公里的序列。OKVIS2-X 通过将估计器与子地图通过地图对齐因子紧密耦合来提高其精度和鲁棒性。我们的系统提供全球一致的地图，可直接用于自主导航。为进一步提高 OKVIS2-X 的精度，我们还 incorporated 在线相机外参标定的选项。我们的系统在 EuRoC 数据集中实现了最高的轨迹精度，超过了所有竞争者在 Hilti22 VI-only 基准测试中，同时在激光雷达版本中也表现出竞争力，在来自 VBR 数据集的多样且大规模序列中展示了领先的精度。
引用
@article{arxiv.2510.04612,
title = {OKVIS2-X: Open Keyframe-based Visual-Inertial SLAM Configurable with Dense Depth or LiDAR, and GNSS},
author = {Simon Boche and Jaehyung Jung and Sebastián Barbas Laina and Stefan Leutenegger},
journal= {arXiv preprint arXiv:2510.04612},
year = {2025}
}
备注
IEEE Transactions on Robotics (T-RO) - Special Issue: Visual SLAM