openvins-srf

基于 openvins 的 square root filter based VIO 实现，参考 ultra fast VINS。

---

📋 目录

• 依赖要求
• 编译步骤
• 运行方法
• SRF 滤波器编译与测试
• 滤波器对比

---

📦 依赖要求

依赖项	版本要求
ROS	Noetic 或其他版本
CMake	>= 3.10
C++ 编译器	C++17 支持
OpenCV	>= 4.0
Eigen3	-
Boost	-
Google glog	libgoogle-glog-dev

---

🔨 编译步骤

1. 设置 ROS 环境

source /opt/ros/noetic/setup.bash

2. 创建构建目录并编译

默认编译（使用 EKF 滤波器）

mkdir -p build && cd build
cmake ..
make -j$(nproc)

使用 SRF 滤波器编译

mkdir -p build && cd build
cmake -DVIO_FILTER=SRF ..
make -j$(nproc)

使用 SRF 滤波器并启用浮点数（推荐，性能更好）

mkdir -p build && cd build
cmake -DVIO_FILTER=SRF -DVIO_USE_FLOAT=ON ..
make -j$(nproc)

💡 提示: 编译完成后，可执行文件位于 build/application/vio_sim/mono_vio

可用的滤波器选项

选项	说明	状态
EKF	扩展卡尔曼滤波器（默认）	✅ 推荐
SRF	平方根滤波器（Square Root Filter）	✅ 推荐
SRIF	平方根信息滤波器（Square Root Information Filter）	⚠️ 存在精度问题

⚠️ 注意: 当前 SRIF 实现存在精度问题，不推荐用于生产环境

其他编译选项

选项	说明	默认值
VIO_USE_FLOAT	使用浮点数而非双精度	ON (SRF 推荐开启，SRIF 不推荐使用)
VIO_BUILD_TEST	编译单元测试	OFF
VIO_ENABLE_VISUALIZATION	启用可视化	OFF

---

🚀 运行方法

mono_vio 是样例程序，用于处理 ROS bag 文件中的 IMU 和相机数据，并输出轨迹估计结果。

基本用法

./build/application/vio_sim/mono_vio -c <配置文件> -d <bag文件路径> [选项]

参数说明

参数	长参数	说明	必需
-c	--config	配置文件路径（YAML 格式）	✅
-d	--dataset	ROS bag 文件路径	✅
-t	--trajectory	保存轨迹文件的路径（TUM 格式）	❌
-l	--log	保存日志文件的目录路径	❌

配置文件说明

配置文件需要包含以下内容：

1. 主配置文件 (estimator_config.yaml)

VIO 系统的主要参数配置：

• 特征跟踪参数（KLT、特征点数量等）
• 滤波器参数（滑动窗口大小、SLAM 特征数量等）
• 初始化参数
• 相机和 IMU 的相对配置文件路径

2. IMU 配置文件 (kalibr_imu_chain.yaml)

IMU 传感器参数：

• IMU 噪声参数
• ROS 话题名称
• 更新频率

3. 相机-IMU 配置文件 (kalibr_imucam_chain.yaml)

相机标定参数：

• 相机内参（焦距、主点、畸变系数）
• 相机到 IMU 的外参（旋转和平移）
• ROS 话题名称
• 相机分辨率

📁 配置文件示例位于 config/euroc_mav/ 目录下

运行示例

基本运行（仅处理数据，不保存轨迹）

./build/application/vio_sim/mono_vio \
  -c ./config/euroc_mav/estimator_config.yaml \
  -d /path/to/your/dataset.bag

保存轨迹文件

./build/application/vio_sim/mono_vio \
  -c ./config/euroc_mav/estimator_config.yaml \
  -d /path/to/your/dataset.bag \
  -t ./trajectory_output.txt

保存轨迹和日志

./build/application/vio_sim/mono_vio \
  -c ./config/euroc_mav/estimator_config.yaml \
  -d /path/to/your/dataset.bag \
  -t ./trajectory_output.txt \
  -l ./log_output/

输出说明

轨迹文件 (-t 参数指定)

TUM 格式的轨迹文件，包含时间戳、位置和四元数姿态：

timestamp tx ty tz qx qy qz qw

日志文件 (-l 参数指定目录)

包含系统运行日志，包括：

• VIO 位置、速度、姿态
• IMU 偏置
• 真值位置（如果 bag 文件中包含 /gt_pose 话题）

注意事项

1. ROS 环境: 虽然 mono_vio 从 bag 文件读取数据，但需要 ROS 环境来解析 bag 文件格式

2. 配置文件路径: 配置文件中的相对路径（如 relative_config_imu 和 relative_config_imucam）是相对于主配置文件所在目录的

3. 真值对齐: 如果 bag 文件中包含 /gt_pose 话题，程序会自动对齐 VIO 估计和真值轨迹

4. 性能优化:

   • 可以通过配置文件调整特征点数量 (num_pts)
   • 调整跟踪频率 (track_frequency) 可以平衡精度和计算量
   • 使用多线程可以加速处理（在配置文件中设置 num_opencv_threads）

故障排查

问题	解决方案
配置文件解析错误	检查 YAML 文件格式是否正确，路径是否正确
Bag 文件读取错误	确认 bag 文件路径正确，且包含所需的 IMU 和相机话题
话题名称不匹配	检查配置文件中的 rostopic 是否与 bag 文件中的话题名称一致

---

🔬 SRF 滤波器编译与测试

SRF 滤波器简介

SRF (Square Root Filter) 是项目支持的三种滤波器之一，使用平方根形式的协方差矩阵，具有更好的数值稳定性和计算效率。

💡 当启用 VIO_USE_FLOAT=ON 时，SRF 使用单精度浮点数，可以进一步提升性能。

编译 SRF 版本

基本编译

mkdir -p build && cd build
cmake -DVIO_FILTER=SRF ..
make -j$(nproc)

启用浮点数优化（推荐）

mkdir -p build && cd build
cmake -DVIO_FILTER=SRF -DVIO_USE_FLOAT=ON ..
make -j$(nproc)

验证编译配置

编译时会显示以下信息确认 SRF 已启用：

-- VIO: USE SRF enabled
-- VIO: USE FLOAT enabled  (如果启用了 VIO_USE_FLOAT)

运行 SRF 版本

SRF 版本的 mono_vio 使用方法与标准版本完全相同：

./build/application/vio_sim/mono_vio \
  -c ./config/euroc_mav/estimator_config.yaml \
  -d /path/to/your/dataset.bag \
  -t ./trajectory_output.txt

SRF 单元测试

项目包含 SRF 滤波器的单元测试，用于验证滤波器实现的正确性。

编译测试

mkdir -p build && cd build
cmake -DVIO_FILTER=SRF -DVIO_BUILD_TEST=ON ..
make -j$(nproc)

运行 SRF 测试

./build/msckf/test_filters_srf

测试内容

测试会验证以下功能：

• ✅ 状态更新 (Update)
• ✅ 协方差初始化 (Initialize)
• ✅ 状态传播 (Propagation)
• ✅ 边缘化 (Marginalize)
• ✅ 状态克隆 (Clone)
• ✅ 克隆增强 (AugmentClone)
• ✅ 传播和克隆组合 (PropagationAndClone)
• ✅ 边缘协方差提取 (GetMarginalCovariance)

预期输出

所有测试通过时会显示类似以下信息：

[==========] Running X tests from 1 test case.
[----------] Global test environment set-up.
[----------] X tests from FilterSRFTest
[ RUN      ] FilterSRFTest.Update
[       OK ] FilterSRFTest.Update
...
[==========] X tests from 1 test case ran.
[  PASSED  ] X tests.

---

📊 滤波器对比

特性	EKF	SRF	SRIF
数值稳定性	标准	更好（平方根形式）	较好（信息矩阵形式）
计算效率	标准	更高（特别是启用浮点数时）	中等
内存使用	标准	可能更少（浮点数模式）	标准
精度	双精度	单精度（浮点数模式）或双精度	⚠️ 存在精度问题
生产就绪	✅ 是	✅ 是	❌ 否（存在已知问题）

建议使用场景

• SRF + 浮点数: 适用于对性能要求高、对精度要求适中的实时应用 ⭐ 推荐
• EKF: 适用于对精度要求极高的应用场景 ⭐ 推荐
• SRIF: ⚠️ 当前实现存在精度问题，仅用于研究和测试，不推荐用于生产环境

---

🧹 清理构建

如果需要切换滤波器类型，建议清理构建目录：

rm -rf build
mkdir build && cd build
cmake -DVIO_FILTER=SRF ..  # 或其他滤波器选项
make -j$(nproc)

---