luohongk/SuperVINS

What it solves

SuperVINS 解決了傳統視覺-慣性 SLAM（同時定位與地圖構建）系統在具挑戰性的成像條件下的失效問題。它將經常在光照變化或低紋理環境中遇到困難的手工特徵提取與匹配，替換為基於深度學習的方法，以提高即時性與準確度。

How it works

基於 VINS-Fusion 骨架，SuperVINS 通過 ONNX Runtime GPU 集成了深度學習模型，以處理整個視覺管線：

• Feature Extraction: 使用 SuperPoint 來檢測學習到的關鍵點與描述符，而非使用 Shi-Tomasi 角點。
• Feature Matching: 採用 LightGlue 進行學習型匹配，而非傳統的光流法 (KLT)。
• Loop Detection: 利用 DBoW3 結合 SuperPoint 描述符。
• Loop Verification: 將 SuperPoint 與 LightGlue 匹配與 PnP RANSAC 結合，以更可靠地驗證閉環檢測。

Who it’s for

此框架是為機器人研究人員與開發人員設計的，旨在為在傳統視覺特徵不穩定之環境中需要可靠定位與地圖構建的自主系統提供支持。

Highlights

• Deep Learning Integration: 完全替換了傳統的前端與閉環模組，改用 SuperPoint 與 LightGlue。
• Real-Time Performance: 針對 GPU 執行進行了優化，使用 ONNX Runtime。
• Comprehensive Output: 提供即時 VIO 軌跡、位姿圖優化後的軌跡，以及 TUM 格式的稠密閉環修正軌跡。
• Docker Support: 包含一個預建的 Docker 鏡像，以簡化 CUDA 與 ROS Noetic 依賴項的設置。