stella-cv/stella_vslam

stella_vslam – 适用于多种相机类型的灵活视觉SLAM框架

是什么

• 一个开源库，能够从视频流中估计相机位姿并构建三维地图。支持单目、双目和RGB-D相机。
• 是原始 OpenVSLAM 项目的社区维护分支，从头重写但保留了相同的高层设计。

为何重要

• 视觉SLAM（同时定位与建图）是机器人、AR/VR、自主无人机以及任何仅使用摄像头理解周围环境的系统的核心技术。
• stella_vslam 有意设计为模块化，支持多种相机模型（透视、鱼眼、等距圆柱等），便于适配360°相机等非标准光学系统。

主要特性（如README所述）

• 多相机支持 – 可互换的相机模型；用户可轻松添加新模型（如双鱼眼、反射式）而只需极少代码修改。
• 地图持久化 – 构建的地图可保存到磁盘，并在后续重新加载，实现新图像流的快速重定位。
• 模块化架构 – 核心功能被拆分为定义清晰的组件，拥有干净的API，便于实验和集成。
• 示例代码与教程 – 提供 *.cc 代码片段、“简易教程”和完整文档，帮助新手快速搭建可用系统。
• ROS封装 – 另一个仓库（stella_vslam_ros）提供ROS集成，方便机器人开发者使用。
• 持续开发 – 开发路线图包括重构、算法优化、标记集成、新增相机模型、Python绑定和IMU融合。

典型应用场景

• 使用手持或机器人搭载的相机构建室内或室外环境的地图。
• 为AR/VR头显或手持设备提供实时位姿跟踪。
• 仅通过视觉输入，在先前已建图的区域中重新定位机器人。
• SLAM算法、相机模型扩展或传感器融合（未来支持IMU）的研究。

快速上手

1. 安装 – 参考在线文档（https://stella‑cv.readthedocs.io/en/latest/installation.html）的逐步指南。也提供预构建的Docker镜像。
2. 运行示例 – example/ 目录包含可直接编译的程序；文档引导完成“简易教程”。
3. 数据 – 从文档中的链接下载示例ORB词典文件和测试数据集以验证系统。
4. ROS集成 – 如需ROS话题/服务，请克隆 stella_vslam_ros。

许可证

• 采用宽松的2条款BSD许可证分发。部分捆绑的第三方代码使用MIT、BSD-3或LGPLv3+（如 g2o）。

项目健康状况

• 根据最新README，项目持续维护，拥有公开的议题追踪器和GitHub Discussions支持。
• 开发团队正专注于重构、增加测试、扩展功能（如Python绑定、IMU集成）。

引用

• 若在学术工作中使用该库，请按README所示引用原始OpenVSLAM论文（MM '19）。

---

以上所有信息均直接摘自仓库的README及相关文档。