luigifreda/pyslam

解决的问题

pySLAM 是一个用于视觉 SLAM（同时定位与地图构建）的模块化研究框架。它通过提供一个集成多种局部和全局特征、深度预测模型以及语义分割工具的单一环境，解决了原型设计和实验不同 VO/SLAM 技术的复杂性，支持单目、双目和 RGBD 相机。

工作原理

该项目采用 Python/C++ 混合架构。模块化的稀疏 SLAM 核心在两种语言中均实现，用户可选择高性能（C++）或高灵活性（Python）模式。该流水线集成了：

• 特征跟踪：涵盖经典与现代的局部特征和匹配器。
• 回环检测：使用描述子聚合器（BoW、VLAD）和全局描述子（NetVLAD、CosPlace 等）检测已访问过的位置。
• 体素重建：利用深度图和彩色图像，通过 TSDF 与体素哈希或增量式高斯点阵法生成密集重建。
• AI 集成：内置深度预测模型（如 DepthAnythingV2）和语义分割模型（如 Segformer、YOLO），支持场景理解。
• 3D 场景推理：使用 DUSt3R、Mast3r 等模型，通过前馈流水线从多张图像重建 3D 场景。

适用人群

主要面向从事视觉里程计（VO）和 SLAM 的研究人员与开发者，适用于需要灵活基线来原型化新算法、测试不同特征提取器，或集成现代 AI 驱动的深度与语义模型的场景。

核心亮点

• 混合实现：可互操作的 Python 与 C++ 核心，兼顾速度与灵活性。
• 全面的 AI 支持：集成深度预测与语义分割模型。
• 多相机支持：兼容单目、双目和 RGBD 设置。
• 高密度映射：支持体素融合与高斯点阵法，实现高质量 3D 重建。
• 丰富的数据集支持：内置兼容超过 10 个主流数据集（KITTI、TUM、EuRoC 等）。
• 图优化：集成 g2o 和 GTSAM 实现轨迹优化。