Aller au contenu principal
Le Fil Robotique
Le Fil RobotiqueHumanoïdes · IA physique · Industriel
RecherchearXiv cs.RO 

OpenVIO : un système open source polyvalent d'odométrie visuelle-inertielle

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

OpenVIO est un système d'odométrie visuelle-inertielle (VIO) open source, décrit dans un article déposé sur arXiv (2610.41671). Il est publié sous licence MIT, donc utilisable librement, y compris dans des produits commerciaux. Il prend en charge les caméras sténopé (pinhole) et fisheye, et étend ce support aux images 360° assemblées par stitching. Les auteurs détaillent chaque module et les choix de conception associés. Ils annoncent aussi des résultats comparatifs avec d'autres systèmes VIO open source sur des jeux de données publics. Le code est disponible sur GitHub, dans le dépôt 93won/openvio. Le résumé ne donne ni chiffres de précision ni temps de calcul, et la liste des systèmes comparés n'y figure pas.

Pour un intégrateur ou un ingénieur robotique, l'intérêt est pratique. La VIO fusionne caméra et centrale inertielle pour estimer la pose d'un robot, d'un drone ou d'un casque de réalité augmentée, sans GPS ni capteur externe. Une base permissive qui gère les optiques fisheye et 360° couvre des capteurs courants en robotique mobile et en inspection. La licence MIT lève les contraintes juridiques que posent certaines alternatives, ce qui compte pour une intégration industrielle. Reste à vérifier la robustesse hors benchmarks. Les jeux de données publics ne reflètent pas toujours les vibrations, les variations de lumière ou les erreurs de calibration du terrain.

Le domaine compte déjà des références open source comme VINS-Mono ou OpenVINS, et OpenVIO arrive dans un espace concurrentiel mature. Sa différenciation tient, d'après le résumé, à la polyvalence des modèles de caméra. La suite dépendra de la reproduction indépendante des résultats, de la qualité de la documentation et de l'adoption par la communauté.

Dans nos dossiers

arXiv cs.RO

À lire aussi

F-LIVO : un cadre de mesure géométrique au niveau des caractéristiques pour l'odométrie LiDAR-inertielle-visuelle
1arXiv cs.RO 

F-LIVO : un cadre de mesure géométrique au niveau des caractéristiques pour l'odométrie LiDAR-inertielle-visuelle

F-LIVO est un cadre d'odométrie LiDAR-inertielle-visuelle (LIVO) à filtre, décrit dans un article déposé sur arXiv (2610.23595v1). Il couple deux sous-systèmes : un module visuel-inertiel et un module LiDAR-inertiel. Le lien entre les deux passe par des contraintes géométriques point-à-plan au niveau des primitives (features), qui relient les points visuels aux plans extraits de la carte LiDAR. Quand la triangulation visuelle est faible, la profondeur d'une primitive visuelle est reconstruite à partir de la carte LiDAR, par ajustement local d'un plan puis intersection rayon-plan. Dans la mise à jour LiDAR, la covariance de chaque résidu point-à-plan est modulée selon la fiabilité planaire locale, ce qui limite les corrections trop confiantes sur des surfaces mal conditionnées. Les auteurs annoncent la plus faible utilisation CPU (moyenne et pic), le plus faible pic de mémoire résidente (RSS) et la plus faible croissance de RSS parmi les implémentations comparées. R2LIVE garde en revanche une RSS moyenne plus basse. Le code sera publié après acceptation. L'intérêt tient au compromis entre précision et coût de calcul. Beaucoup de systèmes LIVO au niveau mesure associent aux points LiDAR cartographiés des patchs photométriques denses ou des attributs d'apparence, ce qui alourdit le stockage, l'association et la mise à jour de la carte. F-LIVO s'en passe : il n'utilise que des primitives géométriques éparses et garde une carte compacte. Pour un intégrateur qui vise un calculateur embarqué contraint, par exemple sur un AMR, un drone ou un robot mobile, une empreinte CPU et mémoire stable sur la durée compte autant que le score de précision. Les résultats de précision restent toutefois prudents : les auteurs parlent d'une exactitude « compétitive » et « dépendante de la séquence ». Ils ne revendiquent donc pas de gain systématique. Les cas dégradés testés montrent une estimation continue avec une dérive cumulée comparativement faible. Les chiffres détaillés et la configuration matérielle exacte ne figurent pas dans le résumé, et l'avantage en ressources est mesuré « dans la configuration évaluée ». Il faudra donc attendre le code pour une reproduction indépendante. Cette approche s'inscrit dans la lignée des systèmes de fusion LiDAR-caméra-IMU à filtre, dont R2LIVE, cité comme point de comparaison. Elle se positionne face aux méthodes qui attachent des informations photométriques denses à la carte, plus riches mais plus coûteuses. Les évaluations portent sur plusieurs jeux de données publics. Aucun déploiement industriel ni partenaire commercial n'est mentionné : il s'agit d'un travail de recherche, sans produit ni calendrier. La suite dépend de l'acceptation de l'article et de la publication du code, qui permettra de vérifier les mesures de ressources et la robustesse sur des plateformes réelles.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source
DB-VIO : odométrie visuelle-inertielle à double branche avec représentation visuelle-inertielle améliorée
2arXiv cs.RO 

DB-VIO : odométrie visuelle-inertielle à double branche avec représentation visuelle-inertielle améliorée

Résumé rédigé, sans travail d'outil nécessaire. DB-VIO est un nouveau système d'odométrie visuo-inertielle développé pour estimer précisément la pose à six degrés de liberté (6-DoF) des robots mobiles, présenté dans un preprint publié sur arXiv (arXiv:2607.22123v1). Contrairement aux approches d'apprentissage existantes qui fusionnent vision et inertie dans une représentation unique traitée par un seul modèle temporel, DB-VIO sépare le problème en deux branches dédiées, une pour la rotation, une pour la translation. Le système enrichit la perception visuelle monoculaire avec des indices de profondeur et injecte un a priori d'attitude intégré pour renforcer les signaux rotationnels souvent implicites dans les données brutes de la centrale inertielle (IMU). Testé sur les benchmarks KITTI (conduite autonome) et EuRoC (robot aérien), DB-VIO améliore les méthodes de référence de 20% sur KITTI et de 33% sur EuRoC, avec un gain de 65,7% sur la métrique rotationnelle dans les scénarios de mouvement agile d'EuRoC. Ces résultats, à ce stade limités à des benchmarks académiques standardisés et non à un déploiement réel, illustrent une tendance de fond dans la navigation robotique: la décomposition explicite des tâches de perception plutôt que des architectures monolithiques tend à mieux capturer des dynamiques physiques hétérogènes. Pour les intégrateurs travaillant sur des drones, des véhicules autonomes ou des robots mobiles, ce type d'avancée conditionne directement la fiabilité du suivi de trajectoire en environnement GPS-dégradé, un enjeu critique pour la navigation en intérieur ou en essaim. L'odométrie visuo-inertielle reste un champ actif depuis les approches classiques comme VINS-Mono jusqu'aux méthodes apprises plus récentes, ces dernières cherchant à dépasser les limites des pipelines géométriques traditionnels face au bruit capteur et aux mouvements rapides. DB-VIO s'inscrit dans cette lignée en ciblant spécifiquement la faiblesse connue des features monoculaires, l'absence de structure géométrique explicite. Aucune date d'intégration industrielle ni partenariat n'est mentionné à ce stade, le travail restant une contribution de recherche.

RecherchePaper
1 source
Odométrie visuelle-inertielle pour robots terrestres avec calibration extrinsèque dynamique caméra-IMU
3arXiv cs.RO 

Odométrie visuelle-inertielle pour robots terrestres avec calibration extrinsèque dynamique caméra-IMU

Des chercheurs proposent, dans une version révisée d'un article déposé sur arXiv, une méthode d'odométrie visuelle-inertielle (VIO) pour robots terrestres qui lève l'hypothèse d'une caméra et d'une centrale inertielle (IMU) fixées rigidement l'une à l'autre. Leur approche estime en ligne les paramètres extrinsèques variables dans le temps, c'est-à-dire la position et l'orientation relatives de la caméra par rapport à l'IMU. Elle repose sur la convention de Denavit-Hartenberg, qui décrit une chaîne articulée par des paramètres géométriques standardisés, et intègre le modèle cinématique du robot. Une initialisation en deux étapes estime d'abord les angles articulaires initiaux, ce qui fournit un point de départ fiable à l'optimisation des paramètres extrinsèques. La validation se limite à des simulations. Les auteurs affirment que le cadre absorbe les variations d'extrinsèques tout en gardant une précision de localisation « compétitive ». Le résumé ne donne aucun chiffre d'erreur, aucune comparaison nommée et aucun test sur robot réel. L'enjeu est pratique. La plupart des systèmes VIO calibrent les extrinsèques une fois pour toutes, puis les figent. Cela devient problématique dès que le capteur est monté sur un mât télescopique, un bras, une tourelle ou un cou articulé, ce qui est courant sur les robots d'inspection, les plateformes mobiles manipulatrices et certains humanoïdes ou quadrupèdes. Exploiter la cinématique connue plutôt que d'estimer une transformation arbitraire réduit le nombre d'inconnues, donc potentiellement la dérive. Pour un intégrateur, c'est une piste crédible pour garder une localisation fiable quand la tête capteur bouge. Faute de métriques publiées et de données réelles, la robustesse face au bruit, aux jeux mécaniques et aux erreurs de synchronisation reste entièrement à démontrer. L'écart entre simulation et réalité est ici le principal point d'interrogation. Ce travail s'inscrit dans la lignée des cadres VIO fondés sur l'optimisation ou le filtrage, comme VINS-Mono, OKVIS ou OpenVINS. Ceux-ci proposent déjà l'auto-calibration en ligne, mais le plus souvent pour des extrinsèques supposés constants ou lentement variables. L'intégration explicite d'une chaîne cinématique est l'apport distinctif revendiqué. La suite logique serait une validation sur matériel, avec des jeux de données publics ou un robot instrumenté, et une comparaison chiffrée avec ces références. Aucun calendrier, partenaire industriel ni déploiement n'est annoncé à ce stade.

RecherchePaper
1 source
4arXiv cs.RO 

SLAM RGB-D visuel-inertiel avec encodeurs pour un robot à roues différentielles

Des chercheurs proposent un système SLAM (localisation et cartographie simultanées) visuel-inertiel RGB-D intégrant les encodeurs de roues, conçu pour un robot mobile à entraînement différentiel. Décrit dans un preprint arXiv (2610.41768v1), il vise un problème connu des méthodes d'odométrie visuelle-inertielle (VIO), qui estiment la pose grâce au filtre de Kalman étendu (EKF) ou à l'optimisation non linéaire. Ces méthodes décrochent en conditions réelles quand les points caractéristiques manquent temporairement ou que le mouvement est rapide. Les auteurs introduisent un modèle de mesure génératif pour les encodeurs, dérivent l'estimée du maximum a posteriori (MAP) et les jacobiennes nécessaires à l'optimisation, puis les intègrent dans un système étroitement couplé (tightly coupled) associant caméra RGB-D, centrale inertielle et odométrie des roues. Sur un jeu de données interne, l'erreur quadratique moyenne (RMSE) se situe autour de 2 à 7 cm, en temps réel. Le code source et le jeu de données, qui inclut les mesures d'encodeurs, sont publiés pour permettre la vérification. L'intérêt pour les intégrateurs tient moins à une nouveauté de principe qu'à une réponse pragmatique à un point de défaillance bien connu des AMR (robots mobiles autonomes) en entrepôt ou en usine. Les couloirs uniformes, les murs blancs, les changements d'éclairage ou les virages rapides privent la vision de repères, et la dérive s'installe. Les encodeurs sont présents sur quasiment toutes les bases mobiles à coût nul, et leur fusion rigoureuse, avec une modélisation probabiliste du bruit plutôt qu'un simple recalage, rend la localisation plus robuste sans capteur supplémentaire. La publication du code répond aussi à un reproche des auteurs : beaucoup de VIO performantes ne sont pas ouvertes, ce qui freine la reproduction et l'adoption industrielle. Il faut toutefois relativiser : une précision de 2 à 7 cm est annoncée sur un jeu de données maison, avec un seul robot, sans comparaison indépendante sur des benchmarks publics. Les glissements de roues sur sols difficiles, qui dégradent l'odométrie, ne sont pas détaillés dans le résumé. Ce travail s'inscrit dans une longue lignée de SLAM visuel-inertiel (ORB-SLAM3, VINS-Mono, OpenVINS) dont les variantes avec encodeurs, comme VINS-Mono étendu aux roues, existent déjà, ce qui oblige à lire la contribution comme un raffinement de modélisation et non une rupture. Le champ de la navigation évolue en parallèle vers les approches apprises et les robots à pattes ou humanoïdes, où les encodeurs articulaires jouent un rôle analogue dans l'estimation d'état proprioceptive. La suite dépendra de la validation hors du laboratoire des auteurs : tests sur des jeux publics, autres plateformes et environnements dynamiques. Aucun déploiement industriel ni calendrier de pilote n'est annoncé, il s'agit à ce stade d'une recherche académique avec code ouvert.

UEPas d\'impact direct sur la France/UE

RecherchePaper
1 source