Введение

OpenXRLab Visual-inertial SLAM Toolbox и Benchmark — часть проекта OpenXRLab.

https://user-images.githubusercontent.com/44204704/187863580-e3a1869e-0ff2-4319-8e86-9c669f2b15ef.mp4

https://user-images.githubusercontent.com/44204704/187863786-efbc3804-a4d8-4727-a7e2-ea45744330e4.mp4

Основные функции

• Надёжная и лёгкая оптимизация визуальной инерциальной одометрии;
• Поддержка настольных и мобильных платформ;
• Интерактивное приложение дополненной реальности в реальном времени на iPhone;
• Модуль визуальной локализации для запуска XRARDemo на готовых сценариях;
• По сравнению с другими современными системами XRSLAM достигает конкурентной точности.

Установка

Мы предоставляем подробное руководство по установке XRSLAM. Пользователи могут установить его с нуля или использовать предоставленный Dockerfile.

Начало работы

Пожалуйста, обратитесь к быстрому старту для базового использования XRSLAM.

Лицензия

Лицензия нашего исходного кода — Apache-2.0. Обратите внимание, что эта лицензия применяется только к коду нашей библиотеки, зависимости которого являются отдельными и лицензируются индивидуально. Мы хотели бы отдать должное открытым реализациям, на которые полагаемся. Пожалуйста, имейте в виду, что использование содержимого зависимостей может повлиять на лицензию нашего исходного кода. Некоторые поддерживаемые методы могут иметь дополнительные лицензии.

Часто задаваемые вопросы

Пожалуйста, обратитесь к разделу часто задаваемых вопросов.

Цитирование

Если вы используете этот набор инструментов или бенчмарк в своём исследовании, пожалуйста, процитируйте этот проект.

@misc{xrslam,
    title={OpenXRLab Visual-inertial SLAM Toolbox and Benchmark},
    author={XRSLAM Contributors},
    howpublished = {\url{https://github.com/openxrlab/xrslam}},
    year={2022}
}

Если вы используете надёжную визуальную инерциальную одометрию в своём исследовании, пожалуйста, процитируйте:

@article{li2023rd,
  title={RD-VIO: Robust Visual-Inertial Odometry for Mobile Augmented Reality in Dynamic Environments},
  author={Li, Jinyu and Pan, Xiaokun and Huang, Gan and Zhang, Ziyang and Wang, Nan and Bao, Hujun and Zhang, Guofeng},
  journal={arXiv preprint arXiv:2310.15072},
  year={2023}
}

Вклад

Мы ценим любой вклад в улучшение XRSLAM. Пожалуйста, обратитесь к CONTRIBUTING.md для получения рекомендаций по внесению вклада.

Благодарность

XRSLAM — это проект с открытым исходным кодом, который поддерживается исследователями и инженерами из академических кругов и промышленности. Мы ценим всех участников, которые реализуют свои методы или добавляют новые функции, а также пользователей, которые дают ценные отзывы. Мы надеемся, что набор инструментов и бенчмарк помогут растущему исследовательскому сообществу, предоставив гибкий инструментарий для реализации существующих методов и разработки собственных новых моделей.

Проекты в OpenXRLab

• XRPrimer: основополагающая библиотека OpenXRLab для алгоритмов, связанных с XR.
• XRSLAM: набор инструментов визуальной инерциальной навигации и оценки движения от OpenXRLab.
• XRSfM: набор инструментов для построения структуры по движению от OpenXRLab и эталонный тест.
• XRLocalization: набор инструментов визуальной локализации от OpenXRLab и сервер.
• XRMoCap: набор инструментов многовидового захвата движения от OpenXRLab и эталонный тест.
• XRMoGen: набор инструментов генерации движений человека от OpenXRLab. Генерейшн тулбокс энд бенчмарк.
• Икс эр нерф: тулбокс и бенчмарк от OpenXRLab для работы с нейронными полями излучения (NeRF).