NVIDIA-ISAAC-ROS/isaac_ros_visual_slam

解决的问题

Isaac ROS Visual SLAM 提供了一种高性能的方法，使机器人能够使用摄像头和惯性传感器估计自身位置并绘制环境地图。它通过提供实时、低延迟的里程计源，解决了在 GPS 不可用或不可靠的环境中（如室内或密集城市区域）的定位问题。

工作原理

该系统使用立体摄像头和可选的惯性测量单元（IMU）执行视觉-惯性里程计（VIO）。它通过在多个立体图像帧之间识别和跟踪独特的关键点来估计三维运动。当视觉特征稀缺时（例如空白墙壁），系统会依赖 IMU 来维持运动估计。

在 VIO 的基础上，SLAM 组件创建这些关键点的地图。当机器人识别出之前访问过的区域时，会使用计算高效的统计方法执行“回环闭合”，以减少地图的不确定性并提高整体精度。

适用对象

专为需要在不依赖 GPS 的情况下实现精确、实时定位与地图构建的移动地面机器人和无人机开发者设计。

主要亮点

• GPU 加速： 使用 NVIDIA GPU 在实时性能上比传统 VSLAM 方法检测和匹配更多的关键点。
• 高精度： 在 KITTI 基准测试中实现低平移和旋转误差，运行时间和误差率均优于 ORB-SLAM2。
• ROS 2 集成： 作为业界领先的 ROS 2 包提供，可无缝集成到机器人系统中。
• 多传感器融合： 设计用于与其他里程计源（如激光雷达或轮式里程计）协同工作，以提高系统可靠性。