OpenVINS项目非ROS环境下的编译与图像采集集成指南

项目背景

OpenVINS是一个开源的视觉惯性状态估计器，主要用于机器人定位与建图。该项目通常与ROS（机器人操作系统）配合使用，但许多开发者希望在不依赖ROS的环境下使用该框架，特别是在嵌入式设备或特定应用场景中。

非ROS环境编译方案

关键修改点

要实现OpenVINS的非ROS编译，核心在于修改CMakeLists.txt文件。以下是关键修改步骤：

1. 禁用ROS自动检测：注释掉ROS版本自动检测代码块，强制使用ROS1.cmake配置
2. 基础依赖配置：确保项目中包含必要的第三方库（Eigen3、OpenCV、Boost、Ceres）
3. 编译优化：设置适当的编译标志以提高性能

# 强制使用ROS1.cmake配置
message(STATUS "No ROS versions found, building ROS1.cmake")
include(${CMAKE_CURRENT_SOURCE_DIR}/cmake/ROS1.cmake)

# 设置C++14标准
set(CMAKE_CXX_STANDARD 14)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 优化编译选项
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -O3 -fsee -fomit-frame-pointer")

完整编译流程

1. 创建build目录并进入
2. 执行cmake配置（禁用ROS支持）
3. 编译并安装

mkdir build && cd build
cmake -DENABLE_ROS=OFF ..
make -j4
sudo make install

图像采集集成方案

准备工作

1. 硬件需求：

   • 图像采集设备（推荐支持640x480以上分辨率）
   • 可选：同步的IMU设备（视觉惯性系统需要）

2. 软件依赖：

   • OpenCV（用于图像采集和处理）
   • Boost库（系统基础组件）

核心实现类设计

建议创建一个专门处理OpenVINS与图像采集交互的类，主要功能包括：

1. 图像采集：通过OpenCV的VideoCapture获取图像帧
2. 数据封装：将图像数据转换为OpenVINS可识别的格式
3. 状态管理：处理系统初始化、状态更新等逻辑

class OpenVinsImageSource {
public:
    OpenVinsImageSource(const std::string& config_path);
    ~OpenVinsImageSource();
    
    // 启动图像采集
    bool startCapture(int device_id = 0);
    
    // 处理单帧图像
    void processFrame(const cv::Mat& frame);
    
    // 获取当前状态
    void getCurrentState(StateData& state) const;

private:
    // OpenVINS系统核心
    std::shared_ptr<ov_msckf::VioManager> vio_system_;
    
    // 图像采集接口
    cv::VideoCapture cap_;
    
    // 配置参数
    ov_msckf::VioManagerOptions params_;
};

单目图像采集集成要点

1. 图像采集循环：

cv::Mat frame;
while(true) {
    cap >> frame;  // 获取帧
    if(frame.empty()) continue;
    
    // 转换为灰度图像（OpenVINS通常需要）
    cv::Mat gray;
    cv::cvtColor(frame, gray, cv::COLOR_BGR2GRAY);
    
    // 处理帧
    processFrame(gray);
    
    // 显示结果（可选）
    cv::imshow("OpenVINS Output", frame);
    if(cv::waitKey(1) == 27) break;  // ESC退出
}

2. 数据封装：

void OpenVinsImageSource::processFrame(const cv::Mat& frame) {
    ov_core::CameraData message;
    message.timestamp = getCurrentTimestamp();  // 需要精确时间戳
    message.sensor_ids.push_back(0);  // 单目图像采集ID
    message.images.push_back(frame.clone());
    message.masks.push_back(cv::Mat());  // 空掩码
    
    // 送入VIO系统
    vio_system_->feed_measurement_camera(message);
}

时间同步问题解决方案

视觉惯性系统对时间同步要求极高，普通图像采集可能面临以下挑战：

1. 硬件限制：普通图像采集设备无精确时间戳功能
2. 无IMU同步：缺乏硬件触发机制

实用解决方案

1. 软件时间戳：
   • 使用系统时钟为每帧图像打时间戳
   • 虽然精度有限，但对简单应用足够

double getCurrentTimestamp() {
    using namespace std::chrono;
    return duration_cast<duration<double>>(
        system_clock::now().time_since_epoch()).count();
}

2. 模拟IMU数据：
   • 对于纯视觉测试，可以创建虚拟IMU数据
   • 注意：这会影响状态估计精度

void feedDummyIMU() {
    ov_core::ImuData imu;
    imu.timestamp = getCurrentTimestamp();
    imu.wm = Eigen::Vector3d::Zero();  // 零角速度
    imu.am = Eigen::Vector3d(0, 0, 9.81);  // 静态加速度
    
    vio_system_->feed_measurement_imu(imu);
}

性能优化建议

1. 图像分辨率：适当降低分辨率提高处理速度
2. 特征点数量：在配置文件中调整最大特征点数
3. 多线程：利用OpenVINS内置的多线程支持

# estimator_config.yaml 关键参数
num_pts: 100                  # 跟踪特征点数量
max_clones: 11                # 状态缓存数量
multithreading: true          # 启用多线程

常见问题排查

1. 初始化失败：

   • 检查图像采集设备标定参数是否正确
   • 确保环境有足够纹理特征

2. 跟踪丢失：

   • 降低移动速度
   • 改善光照条件

3. 精度问题：

   • 重新校准图像采集设备
   • 检查时间戳同步精度

进阶方向

1. 多传感器融合：集成GPS或其他传感器
2. 自定义特征提取：替换默认的特征检测算法
3. 嵌入式部署：针对特定硬件平台优化

通过以上方案，开发者可以在非ROS环境下成功集成OpenVINS与图像采集设备，为各种机器人应用提供可靠的视觉状态估计能力。