企业官网建设流程全解析

单目VIO在精度和鲁棒性上追平甚至超过双目VIO，放在几年前，这话说出去是要被人笑话的。双目有固定基线、能直接恢复尺度，单目却要面对尺度不可观这个老大难问题。但DM-VIO这篇论文确实做到了，而且不是靠堆算力，是把“信息该在什么时候用、什么时候丢”这件事彻底想明白了。

这篇文章我精读了三遍，每次都有新收获。DM-VIO全称Delayed Marginalization VIO，出自我很尊敬的一个研究组，核心贡献可以概括为两点：第一，提出“延迟边缘化”，让单目VIO不再急于丢弃历史信息；第二，把位姿图BA嵌入到VIO框架中，在边缘化之前先让位姿约束充分收敛。再加上与DSO的紧耦合，最终在EuRoC等公开数据集上取得了优于不少双目系统的精度。如果你是做SLAM、VIO相关研究或者工程落地的，这篇论文非常值得精读。它不只是一篇精度刷榜的工作，更提供了一套“如何在计算受限条件下最大化信息利用”的方法论。接下来我就按自己的理解，从问题出发，把DM-VIO的每个核心模块掰开揉碎讲清楚。

1. 单目VIO的“天生劣势”与DM-VIO的破局思路

1.1 单目VIO难在哪儿：尺度为什么是老大难

单目VIO由相机和IMU组成。相机提供图像，IMU提供角速度和加速度。两者融合，短时间内的运动估计可以非常准，但时间一长，位姿会漂移，尤其是尺度方向。

为什么单目会有尺度问题？因为单个相机无法直接感知深度。一个远处的物体和一个近处但运动缓慢的物体，在图像上的投影可能完全一致。也就是说，从单帧图像中无法区分“相机移动了1米”和“相机移动了2米”这两个世界状态，除非有其他信息介入。

IMU能帮上忙吗？能，但帮得有限。IMU的加速度计可以感知真实的物理尺度，加速度是有量纲的，所以单目VIO理论上是可观尺度。问题是这个观测过程“慢”，模型需要一个长期的信息积累才能把尺度估稳。在积累完成之前，系统已经因为尺度的不确定性而产生了大量误差。

更麻烦的是，尺度不是在初始化时定准就一劳永逸。相机焦距漂移、IMU噪声、运动激励不足，都会导致尺度在运行过程中慢慢发生变化。单目VIO的尺度漂移（scale drift）是所有做单目系统的人最头疼的问题之一，也是工程落地时被客户质疑最多的一点。

1.2 双目的尺度优势其实没想象中可靠

双目相机通过左右两帧图像的视差估计深度。在近距离，双目深度估计非常可靠；但距离一远，视差会变得极小，可能只有亚像素量级，深度不确定性急剧上升。所以双目的“尺度可观测”是有限度的，它只能在一个较窄的距离范围内提供可靠的尺度约束。

除此之外，双目系统还增加了成本、体积和标定复杂度。要在无人机、机器人上装一个基线足够长的双目，对结构设计本身就是一种考验。如果双目图像的帧率不一致、同步不好，反而会引入更大的系统误差。很多做实际项目的朋友都有体会：双目标定一旦没做好，后续的VIO精度还不如一个标定良好的单目。

从算法角度看，不少双目VIO系统只是把双目当成“深度传感器”来用，把两帧图像的多视几何约束简单化为三角化深度，并没有充分利用立体观测的全部价值。这样一来，双目在低光、弱纹理、远距离场景下的劣势就全部暴露出来，尺度优势反而没那么明显了。

1.3 DM-VIO的破局点：把“扔信息”变成“存信息”

DM-VIO的出发点是：单目的问题不是信息不够，而是“没来得及消化的信息被过早丢掉了”。在传统滑动窗口VIO中，每一帧都要边缘化掉最老的帧以保持窗口大小固定。边缘化会把该帧的信息转成先验约束保留在系统中，但问题在于，边缘化一旦完成，先验就固定在了当时的线性化点上，后续如果发现更好的约束（例如闭环、更远的共视），这些信息的精度也无法更新了。

DM-VIO提出延迟边缘化：在主窗口之外，再维护一个规模更大的“延迟图”。当主窗口要边缘化某个帧时，不是直接丢弃它，而是先把它放到延迟图中，让它和后期的帧继续参与优化。经过一段时间、积累足够共视信息之后，再真正执行边缘化。这样一来，先验不是“仓促截断”的，而是在充分利用了后续信息之后才形成的。

这个思路本质上是在和时间做朋友：如果现在信息不够，就先留着，等得起了再处理。用耐心换精度，也换鲁棒性。听起来不复杂，但它的落地实现牵扯到因子图设计、优化调度、权重控制等一系列工程问题，这也是DM-VIO厉害的地方。

2. 延迟边缘化原理拆解：核心创新之一

2.1 滑动窗口与边缘化：为什么VIO非要“丢”状态

先讲基础。VIO优化问题可以用因子图表达：节点是状态（位姿、速度、IMU零偏、路标点），边是约束（IMU预积分、视觉重投影）。随着时间推移，状态数量不断增多，不可能让所有状态永远参与优化，所以要用滑动窗口：只维护最近的一小段状态，其他状态要么直接丢弃，要么边缘化。

边缘化的数学工具是Schur补。简单说，把某些状态从因子图中消去，但不丢掉它们对剩余状态的约束。消去后会生成一个先验项，以高斯分布的形式和剩余状态绑定。从信息矩阵上看，边缘化相当于把被消除状态的列和行通过Schur补运算压缩到剩余状态上，使剩余状态之间出现密集的耦合。

我用一个生活类比来解释：边缘化就像拍照前最后一次整理——先把眼前能用的线索都记下来，然后闭上一只眼睛继续看世界。问题在于，如果这时候你还站在一个看不清的角落，记下来的线索质量就会很差，后面想补拍也来不及了。

2.2 过早边缘化的代价：信息一锁就再也回不去

过早边缘化的本质，是“在线性化点还没稳定的时候就固化了信息”。VIO是一个强非线性问题，优化要在迭代中不断刷新线性化点。边缘化一旦执行，被边缘化的状态就不能再变了，它对剩余状态的约束也被锁死。

这会带来两个问题。

第一，信息劣化。如果老帧的位姿估计本身是有偏的，那么它边缘化出来的先验就会把剩余状态的解往错误方向拉。滑动窗口里的误差会随帧传播，越积越多。很多单目VIO在长时间运行后轨迹发飘，根子就在这儿。

第二，无法利用未来信息。假如第10帧和第50帧实际上有大量共视特征，但第10帧在第20帧时就被边缘化了，那么第10帧和第50帧之间本来可以建立的长程约束就永远没有机会生成。回环检测、多约束联合优化的效果，也因此大打折扣。

传统方法对这些问题有一些补救，比如FEJ（First Estimate Jacobians）技巧，让不同残差在线性化点方面保持一致。但补救终究是补救，根子上的信息丢失并没有解决。DM-VIO的做法，是从机制上避免“刚看到一眼就下结论”。

2.3 延迟边缘化到底怎么运作

DM-VIO的做法是维护两个并行运行的图结构。

• 追踪图（main graph）：接近常规的滑动窗口，负责实时位姿跟踪和前端视觉里程计，为系统提供高频运动估计。
• 延迟图（delayed graph）：比追踪图大得多，保留了相当数量的历史帧和共视关系，在后台负责“沉淀”信息。

当追踪图中要边缘化某个帧时，DM-VIO不会马上执行边缘化，而是把这个帧连同它相关的特征和位姿约束转移到延迟图中。延迟图在后台继续做优化，让这个帧与后续帧之间的共视关系、相对位姿约束逐渐建立起来。等延迟图积累了足够信息、相对位姿估计已经趋于稳定后，再真正对这个帧执行边缘化。

这样一来，边缘化产生的先验，是在“相对位姿已经比较准、共视关系已经比较充分”的前提下形成的，质量比“刚刚路过就仓促下结论”高得多。这听起来只是把丢弃时机推后了一点，但背后涉及如何在延迟图中做优化、如何在两个图之间传递不确定度，都是需要仔细设计的。

3. 位姿图BA：边缘化前的“信息榨取”

3.1 BA与位姿图优化：精度和速度的权衡

DM-VIO另一个常被忽略但非常重要的点是，它在延迟图中引入了位姿图BA（Pose Graph Bundle Adjustment）。

先区分两个概念。BA（Bundle Adjustment）是同时优化相机位姿和路标点，精度最高但计算量大。位姿图优化（Pose Graph Optimization）则只优化位姿，把路标点通过边缘化或固定方式折叠成位姿之间的相对约束。前者更精，后者更快。

在DM-VIO的延迟图中，如果每一个路标点都要维护完整的不确定度，内存和算力都撑不住。所以作者把路标点做了一定程度的压缩，保留帧与帧之间由共同观测推得的相对位姿约束，然后在这个“位姿图”上做优化。这样做既提升了轨迹的整体一致性，又把单次计算量控制在可接受范围内。

这个设计很务实。延迟图的规模本来就比主图大，如果做完整BA，实时系统根本跑不动。先把路标点压缩成相对位姿约束，再优化，本质上是用一点精度换“能实时跑起来”的可能性。

3.2 延迟图与主图如何协同工作

为什么需要这个位姿图BA？我的理解是，它的作用是给延迟边缘化铺路。

当老帧进入延迟图后，它不会立刻被边缘化。在后台，它和后续帧之间会逐渐增加共视约束。位姿图BA会让这些约束之间的误差被充分摊开、优化掉。经过若干次迭代后，老帧的位姿已经和后期的位姿形成了一个“内洽”的相对关系。这时再把它边缘化，产生的先验就涵盖了这一段轨迹的全局信息，而不是孤立的局部信息。

这个过程可以类比成酿酒：先不急着把原料（历史帧）扔掉，而是让它在延迟图这个“发酵罐”里和后期的信息充分发生反应，等到约束足够丰富了，再浓缩成酱（先验）。延迟图的规模越大，能“发酵”的信息就越多，但延迟也太久会拖慢反馈速度，作者在论文里对这种权衡也有讨论。

正是因为延迟图和主图在时间尺度上解耦，主图才能保持轻量、实时，而延迟图能从更长的时间窗口里榨取信息价值。这种“快慢分离”的系统设计，对很多实时SLAM系统都有借鉴意义。

3.3 动态权重自适应：让记忆学会“将信将疑”

这里要单独说一下动态权重自适应（Dynamic Weight Adaptation）。单目VIO天然有尺度漂移，如果尺度正在发生明显漂移，那么之前累积的先验可能会“过时”，这时候还按原权重信任它，反而会把系统带偏。

DM-VIO的做法是：实时监控尺度估计的置信度，当发现尺度漂移异常时，自动降低先验残差的权重，让系统更相信当前的观测；等尺度稳定了，再把先验权重恢复。这相当于给“记忆”加了一个自动调节的可信度开关。

用一句话概括这个模块的作用：它让系统学会“什么时候该固执，什么时候该兼听”。尺度稳定的区域，历史信息就该被充分信任；尺度正在滑动时，就要给当前观测更多话语权。这套自适应机制，是DM-VIO在真实数据上鲁棒性好的一个重要原因。如果缺了这个模块，延迟边缘化积累的那一点点精度优势，很可能被尺度漂移直接吃掉。

4. 手把手看懂DM-VIO的系统架构与实现细节

4.1 基于DSO的前端与双图架构

DM-VIO是基于DSO（Direct Sparse Odometry）搭建的。DSO是纯视觉的直接法里程计，通过最小化像素灰度残差来估计运动，在纹理丰富的环境中表现非常出色。DM-VIO继承了DSO的鲁棒前端，再叠加IMU因子、延迟边缘化和位姿图BA。

整个系统的数据流大致是：单目相机图像送入DSO前端生成视觉里程计结果；IMU数据通过预积分形成惯性约束，与视觉约束一起进入主图优化。在主图执行边缘化时，被淘汰的帧会被异步送到延迟图中，延迟图运行位姿图BA进行信息积累。当需要输出全局位姿时，可以从优化后的延迟图中获取修正量，反馈到前端。

这种架构让系统拥有了“高频的前端敢动”和“低频的后端深思”两个层次。前端负责实时性，后端负责信息利用最大化，互不干扰。和VINS-Mono这类紧耦合系统相比，DM-VIO多了一个“后台沉淀”的环节，这正是它信息利用率更高的结构基础。

4.2 关键模块背后的工程取舍

从工程角度看，DM-VIO的一些实现细节非常值得借鉴。

第一，两个因子图通过框架解耦，没有硬编码在一起。这让算法模块可以单独测试、替换和优化。第二，延迟图的大小有上限，超过上限会触发真正的边缘化，防止内存无限膨胀。这看似简单，其实是工程可部署性的现实考量，否则论文方法只能停留在仿真阶段。第三，边缘化先验采用类似“锚点”的方式与主图连接，锚点的选择会影响优化收敛速度。第四，尺度估计被单独建模，并参与动态权重计算。

这些细节说明作者在系统层面做了大量打磨。很多研究论文在实验里效果不错，但工程上一跑就崩，往往就是忽略了这类实际问题。DM-VIO在代码里把这些坑都填上了，这也是我推荐大家去读源码的原因。

4.3 实时性能与计算负载分析

很多人会问：多加一个延迟图，系统还实时吗？DM-VIO的实验结果说明，在普通CPU（比如Intel i7系列）上，单目配置可以跑到实时。原因是延迟图优化是低频、异步的，并且只优化位姿、不还愿全量路标点，单次计算量有限；主窗口保持固定大小，实时性不受影响。

不过，延迟图的优化频率和每次优化的帧数之间需要平衡。作者在实验中对延迟长度做过参数扫描：延迟太长，精度可能更高，但反馈不及时；太短，又达不到“延迟”的效果。这个平衡点在工程落地时非常重要，尤其是对计算资源受限的嵌入式平台。

从我个人的经验来说，延迟图的周期可以设在主图周期的5到10倍左右，先跑通再根据实际耗时调整。盲目追求“更长的延迟”不见得好，系统的整体吞吐量才是约束条件。

5. 实验对比：单目凭什么追平甚至超过双目

5.1 EuRoC与TUM-VI：VIO评测标杆怎么看

DM-VIO主要在EuRoC MAV数据集和TUM-VI数据集上评测。EuRoC是无人机在室内场景采集的，包含丰富的纹理和明显的运动激励；TUM-VI以手持设备采集，覆盖多种室内外场景，运动模式更贴近真实使用。

评价VIO的标准通常有以下几个。

EuRoC中的很多序列都含快速旋转和强光照变化，能充分考验算法在恶劣条件下的应对能力。TUM-VI则更考验系统在自然手持运动下的尺度稳定性。DM-VIO在两类基准上都有不错的表现，说明其方法不只是针对某一类数据调参的结果。

5.2 关键结果解读：单目超越双目的三个原因

根据论文报告的结论，DM-VIO在EuRoC上的轨迹精度大幅超过传统单目VIO（如VINS-Mono、OKVIS），并且在很多序列上达到了与双目VIO相当甚至更优的水平。在初始化阶段的表现也很突出，单目VIO通常对初始化敏感，但DM-VIO结合了DSO的鲁棒前端和动态权重，初始化失败时还能自动恢复。

对于“单目超越双目”这件事，我认为要从三个层面看。

第一，双目在近距离有优势，但远距离深度噪声很大；单目加延迟边缘化则可以通过长时间尺度观测，把尺度漂移压到比双目深度噪声更低的水平。第二，DM-VIO把后端的“信息管理”做到了极致，单目的信息利用效率反超了双目系统。第三，双目系统需要额外标定，基线误差可能直接转化为深度误差，而单目系统依赖优化自动恢复尺度，反而少了一个系统误差来源。

这些原因叠加在一起，导致单一传感器的配置未必输给多传感器，至少在某些评测条件下是这样。这给我的思考是：传感器数量不是精度的上限，信息处理架构才是。

5.3 对工程选型的启示

对做工程的朋友来说，这个结果最大的启示是：不要因为有双目就觉得双目一定更好。VIO的精度由整个系统的信息管理和优化结构决定，而不只取决于传感器配置。

无人机、AR/VR、机器人这些场景里，单目方案在成本、体积和功耗上仍然有不可替代的优势。DM-VIO展示了一条路径：把单目的弱点通过算法设计补起来。这对创业者、硬件选型人员都有直接参考价值。如果你在做一个只允许一颗摄像头的产品，不要急着劝退，先看看DM-VIO这套思路能不能用上。

6. 实操心得与避坑指南

6.1 编译与环境配置：最容易翻车的地方

DM-VIO开源在GitHub上，基于ROS和g2o，依赖OpenCV、Eigen、Pangolin等。我实际编译时遇到过几个坑。

第一，版本兼容性。OpenCV 3.x和4.x的头文件有差异，建议按官方README锁版本，不要随手装最新版。第二，g2o需要C++14，部分老系统默认是C++11，要在CMakeLists里显式修改。第三，数据集格式。EuRoC数据要转成ROS bag或对应的格式，注意IMU的频率设置要与配置文件一致。

如果你第一次接触这个项目，我建议先跑通官方提供的EuRoC序列，再换自己的数据。千万别直接上手自定义传感器，IMU标定和相机内参标定全都要提前做扎实，否则算法会呈现各种莫名其妙的漂移，你很难判断是自己参数调错了还是标定没做对。

6.2 参数调节的优先级与实践经验

有几个参数对最终精度影响很大，我这里整理成一张速查表。

这些参数没有“万能解”，我在项目中通常用同一段实采数据做A/B测试，每次只调一个参数，记录ATE和单帧耗时两个指标。不要同时调多个参数，否则出了问题根本分不清是哪一个引起的。

6.3 延迟边缘化思想的后续扩展

DM-VIO的延迟边缘化思想，可以扩展到很多方向。

第一，与回环检测结合。把回环约束也纳入延迟图，而不是等回环后重新做全局优化，这样可以在检测到回环的瞬间就利用上修正。第二，多相机或多IMU系统。每个相机都有延迟图，交叉约束可能进一步提升鲁棒性。第三，与语义信息结合，在动态场景中让延迟图优先保留静态区域的特征约束。

我在自己实验中的一个体会是：延迟的思想在工程上可以泛化——不要立刻把旧数据丢掉，让它们在后台继续发挥价值。太早做决定，往往是很多SLAM系统长期漂移的根源。无论是导航、测绘还是AR应用，这个原则都适用。

最后再分享一个小技巧：如果你在调试DM-VIO时发现尺度漂移特别严重，先别急着调延迟图参数，检查一下IMU数据和图像数据的时间戳对齐。我遇到过好几次“看起来是算法问题，实际上是数据同步问题”的情况。先把数据预处理做好，再谈算法调优，能省一大半时间。