ADI 面向 NVIDIA cuVSLAM 的擴展方案：從感測器數據到更穩健的 SLAM

过去十年中，研究人员在提升机器人于各类环境中的导航能力方面取得了长足进步。同步定位与建图算法（SLAM）使机器能够在构建陌生环境地图的同时，估算自身在地图中的位置。SLAM利用多种传感器，包括构成视觉SLAM（VSLAM）基础的摄像头。

NVIDIAcuVSLAM是一款基于CUDA加速的机器人库，旨在为NVIDIA Jetson等边缘计算平台提供精准、鲁棒且实时的VSLAM。为拓展NVIDIAcuVSLAM的功能，Analog Devices, Inc. 与NVIDIA的工程师通力合作，对NVIDIA cuVSLAM库进行了扩展，克服了许多常见的SLAM挑战。此项联合工作的测试结果令人振奋：

· 轮编码器融合技术将平均位置误差降低了60%，有助于在摄像头信号丢失和车轮打滑的情况下维持定位。

· 在30个室内序列测试中，有26个序列的定位精度得到提升，在结构化、低纹理的环境中效果尤为显著。

· 通过动态平衡摄像头与IMU的测量数据，在EuRoC数据集上将平均位置误差降低了27.7%。

VSLAM能够检测并跟踪摄像头图像中独特的视觉特征，如拐角、边缘及纹理图案。VSLAM利用此类观测结果来估算机器人应遵循的路径。VSLAM算法使用摄像头图像生成实时里程计，此过程旨在估算机器人移动时位姿的变化。估算器是SLAM算法的核心，负责处理此项工作，同时限制传感器噪声和漂移的影响。

此方法虽然有效，但工业环境中存在严苛的运行条件：

· 均匀的墙壁和地面提供的独特点特征极少。

· 储物架和结构元件重复出现。

· 机器人快速转弯会导致图像模糊。

· 存在遮挡（如物体相互遮蔽）或光照不足的情况。

图1：仓库中常见的无特征走廊，此类场景会导致典型的扫描式激光雷达里程计退化，且因点特征过少而无法约束视觉里程计（图片由AI生成）

没有哪种测量源能够单独应对所有情况。摄像头可依据环境来约束漂移，但很大程度上依赖于场景外观。编码器可测量车轮在表面上的运动，但会累积误差，且在车轮打滑时难以正常工作。惯性测量单元可高频更新运动信息，但微小的测量误差会随时间累积，导致位置估算漂移或精度下降。

因此，工程难题不仅仅在于增加传感器，真正的挑战在于将互补的测量数据集成到估算器中，检测各个测量源何时变得不可靠，并在嵌入式硬件上保持实时运行。

ADI的第一项扩展将车轮测量数据直接引入cuVSLAM。轮编码器可测量机器人车轮的移动距离和方向，为系统提供了除摄像头之外的另一信息来源。

增强后的系统不再分别估算摄像头和车轮的运动后再合并结果，而是将两个信息源进行联合评估。此举使得对机器人路径的估算更为可靠，并支持常见的移动机器人设计，包括差速驱动机器人和类车阿克曼转向车辆。

图2：工业移动机器人的差速驱动运动学模型。左右车轮采用独立的速度控制，使机器人能够实现直线运动、转弯及原地旋转。在本项工作中，我们支持差速驱动和阿克曼转向模型（图片由AI生成）

使用两个高分辨率ADI TMCS-40光学编码器进行了测试，结果显示出显著的性能提升。在13个ADI-AMR轨迹段中，当把车轮测量数据加入视觉系统后，平均位置误差从24.2cm降至9.7cm。最大误差从1.923m降至0.275m，而在所评估的NVIDIA Jetson平台上，每帧运行时间从1.40ms增至1.81ms。

最为关键的是，此系统在剧烈旋转运动中有效防止了大误差的产生。对于已部署的机器人而言，避免罕见但严重的故障往往比平均精度的小幅提升更为重要。

当无法获取摄像头图像时，轮编码器可辅助机器人维持定位，但车轮测量数据并非始终可靠。因此，增强后的系统能够检测这两种数据源中的任何一种出现的异常，并相应调整机器人运动的估算方式。

研究团队通过在配备和未配备轮编码器的机器人上遮挡摄像头5秒来测试此增强功能的效果。配备摄像头与编码器组合的机器人能够检测到有效图像的丢失，并暂时切换控制权以依赖轮编码器数据。仅配备摄像头的机器人所用的原始算法则会丢失对机器人的跟踪。配备组合系统的机器人将位置误差限制在13.2cm以内，直至视觉跟踪恢复。

图3：不同条件下的机器人轨迹；视觉信号丢失与车轮打滑

当车轮打滑时，则会出现相反的问题。在此情况下，编码器可能报告车轮正在转动，即便机器人并未按预期移动。增强后的系统会将车轮测量数据与独立的基于摄像头的估算结果进行比较。若两者存在显著差异，系统将降低对车轮数据的依赖度。在测试中，仅使用轮编码器产生的误差为1.106m，而配备轮编码器和摄像头的机器人将误差限制在28.7cm，接近仅使用视觉时达到的24.9cm。

上述测试共同验证了一项重要的设计原则：当视觉失效时，车轮传感应维持机器人定位；而当车轮打滑时，视觉传感应防止机器人偏航。为此，ADI的紧密集成方法将扩展方案直接纳入cuVSLAM的位置估算流程。

尽管算法性能有所提升，但受车轮打滑和累积测量误差的影响，轮编码器的精度仍会下降。如前所述，纯视觉算法在具有大面积平坦表面的环境中表现欠佳，因为这类环境缺乏足够的可供可靠跟踪的独特拐角或纹理点。然而，此类环境通常仍包含持久存在的线条，如门框、货架、地面及墙壁的边缘。

团队的第二项扩展就利用了这一特性，使cuVSLAM能够在跟踪现有视觉点特征的同时，检测并跟踪此类线条。线条还提供了关于环境结构的额外信息，有助于系统在仅有少量可靠点特征可见时估算机器人的运动。

图4：相似房间和办公室场景中的线特征（青色）和点特征（绿色）。

然而，线条跟踪也面临相应挑战。随着机器人移动及摄像头视角变化，线条可能显得更短、更长或被部分遮挡。重复性结构（如成排的相似货架）也可能导致系统匹配到错误的线条。为准确确定线条位置，系统通常需要从多个视角观测线条。

先前的视觉惯性系统已证明了点线结合的价值。ADI的工作将此方法引入cuVSLAM，并新增了持久线条跟踪、多视角观测融合和点线自适应平衡，并在cuVSLAM现有的位置估算系统中实现了GPU加速处理。

使用30个室内序列数据集对此方法进行了测试。结果表明，在26个测试序列中位置精度均有提升，且“基础”点跟踪cuVSLAM与点线结合配置均成功完成了所有序列而未丢失跟踪。

在具有平坦表面且缺乏显著视觉细节的结构化环境中，改进效果最为明显。在部分包含邻近、重复结构的场景中，性能略有下降，邻近重复结构可能导致线条匹配错误。测试结果揭示了一项重要经验：跟踪少量可靠的线条比跟踪大量不确定的线条更有价值。未来的改进可帮助系统识别不可靠的线条测量数据，并降低其权重。

轮编码器和线特征开发为cuVSLAM提供了额外信息。ADI的第三项扩展“智能融合”采取了不同的方法：根据当前工况持续平衡系统对摄像头和IMU的信任度。

通常，cuVSLAM在摄像头观测值与IMU测量值之间采用固定的平衡权重。此权重在校准阶段确定，但如前所述，随着机器人移动及环境变化，摄像头的可靠性会发生改变。

图5：智能融合中的视觉质量估计器（VQE）在每次稀疏光束平差法（SBA）调用前，基于10维视觉质量特征预测α值，取代固定的默认值α=1.0

智能融合在每次位置更新前，评估可用视觉信息的质量。随后，系统会选择以下两种模式之一：

· VISION-TRUST（信任视觉）：当视觉特征丰富、稳定且分布均匀时，赋予摄像头观测值更高权重。

· IMU-TRUST（信任IMU）：当视觉特征丢失或基于摄像头的估算可靠性下降时，赋予IMU测量值更高权重。

一个小型机器学习模型利用跟踪器已采集的十项指标做出了这一选择。相关指标包括可见特征的数量与分布、特征可见时长、估算深度、摄像头跟踪误差、IMU测量时序等。模型中仅含914个可调参数，体量极小，可在每次位置更新前运行。

此方法调整了视觉与IMU之间的整体平衡，与cuVSLAM现有的保护机制协同工作，这些机制可识别并降低单个不准确测量值的影响。

团队使用EuRoC MAV和TUM-VI Room数据集对Smart Fusion进行了评估，测试方法确保每个评估序列均独立于模型训练数据。

在所有11个EuRoC序列中，平均位置误差从20.2cm降至14.6cm，优化了27.7%。在5个TUM-VI Room序列中，平均误差从27.0cm降至23.0cm，优化了14.9%。

值得注意的是，Smart Fusion并未用大型端到端AI模型取代cuVSLAM，而是使用紧凑型机器学习模型做出具体且可解释的决策：即在特定时刻系统应更信任摄像头还是IMU。

轮编码器、线特征及智能融合项目分别应对三种不同的失效模式：

关键在于组合应用。

当摄像头观测信号减弱时，轮编码器提供短期的运动度量信息。结构线条可从缺乏拐角特征的场景中提取约束条件。智能融合根据视觉质量的变化调整估计器行为。每项扩展方案均保留了显式的几何与传感器模型，且旨在适配现有的cuVSLAM架构，而非创建独立的定位栈。

为机器人工程师带来的优势

ADI面向的cuVSLAM扩展方案展示了一种定位栈的构建路径，成功融合了多种传感模态，同时保留了经过验证的视觉估计器。

对于系统设计人员而言，实际效益十分广泛：

结合视觉优化与轮编码器数据，增强了鲁棒性，即使在没有视觉数据、车轮打滑或纹理较少的环境中依然可靠。兼容GPU的扩展方案还融入并平衡了IMU数据，并为各类轮式平台提供了通用接口。

同时也是系统协同设计的典范：传感器、估算软件与计算硬件应作为一个整体系统进行开发。传感器质量决定了估计器可获取的信息质量。估计器的设计决定了获取的信息如何影响轨迹。计算架构决定了完整流水线能否满足机器人的延迟与功耗约束。

如需进一步了解ADI面向cuVSLAM的扩展方案，可阅读以下完整科研论文：

· 紧耦合编码器融合实现鲁棒cuVSLAM

· 用于鲁棒低纹理视觉里程计的线增强cuVSLAM，arxiv.org，2026年10月14日

· 用于cuVSLAM稀疏光束平差法中自适应视觉-IMU加权的智能融合，arxiv.org，2026年10月14日