微空 AI 智能无人机教程 4 - 双目视觉里程计 (VIO) 部署运行

本章目标

本章将在机载电脑（树莓派 5）上部署 OpenVINS 双目视觉惯性里程计（VIO），使无人机能够在无 GPS 的室内或复杂环境中获取精准的三维空间坐标。

部署完成后，VIO 输出的位姿定位数据将通过 MAVROS 回传给飞控 EKF（Extended Kalman Filter，扩展卡尔曼滤波器），替代传统的光流传感器，作为主要的位置估算源，从而实现无人机高精度的室内自主定位悬停与飞行任务。

完成本章的部署与测试后，MVD35 应达到以下状态：

• VIO 算法运行稳定：OpenVINS 在树莓派 5 上能够以 30Hz 的帧率流畅、稳定地输出位姿估算数据。
• 飞控 EKF 融合 VIO 数据正常：位姿数据通过 MAVROS 稳定回传至飞控，EKF 将外部视觉定位（External Vision）融合为主要位置估算源。
• 自主定位悬停精准：在定点模式下，无人机能够完全依靠视觉里程计实现稳定的室内定位悬停，水平及高度漂移极小。

前期准备

硬件准备

• MVD35 智能版（完成前置教程的软件配置）
• 遥控器（加装 TRS 高频头）
• USB 数据线
• 电脑与良好的网络条件

软件准备

• SSH 终端工具：MobaXterm
• 微空 Web 飞控配置器： MicoConfigurator
• 遥数一体高频头配置修改：微空助手网页版

VIO 工作原理与系统架构

VIO（Visual-Inertial Odometry，视觉惯性里程计）通过融合高频的惯性测量单元（IMU）数据与低频的相机图像来实时估计飞行器的三维位姿（位置和姿态）。 相比于依赖地面纹理且只能测量二维位移的传统“光流+测距”方案，VIO 能够提供完整的六自由度（6-DoF）位姿估计，定位精度更高，且不受低纹理地面、沙地或积水环境的影响，是室内无 GPS 自主飞行的核心技术。

本教程使用 OpenVINS 作为 VIO 算法框架。它是由特拉华大学开发的开源轻量化 VIO 系统，支持多相机配置、IMU 在线标定，并且在树莓派 5 平台上有较好的实时运行效率。

MVD35 VIO 系统数据流向：

1. 传感器数据采集：

• 图像输入：机载 D430 深度相机采集双目红外图像，以 30Hz 速率传输给树莓派。
• 惯性数据输入：飞控发布 200Hz IMU 角速度和加速度数据，由 MAVROS 节点实时传输给树莓派。

2. 状态解算与位姿发布（OpenVINS）：

• 树莓派上运行的 OpenVINS 节点订阅双目图像与 IMU 话题，通过 MSCKF 算法进行滑窗状态估计，实时解算出位姿数据。
• 解算完成后，OpenVINS 直接将位姿数据发布到 /mavros/vision_pose/pose 话题，由 MAVROS 回传至飞控。

3. 飞控 EKF 融合定位：

• 飞控 EKF 融合外部视觉定位数据，为飞行控制算法提供稳定的位置、速度和姿态估计，从而使无人机在定点模式下实现精准悬停。

ℹ️ MVD35 直接使用飞控内置的高质量 IMU 作为惯性源（由 MAVROS 以 200Hz 发布），省去了相机模组额外集成 IMU 的硬件成本，且飞控 IMU 经过物理防震设计，更加适用于无人机飞行场景。

OpenVINS 编译与验证

编译安装 ceres-solver

Ceres Solver 是由 Google 开发的高性能开源非线性最小二乘问题求解器。在 OpenVINS 中，用于进行滑动窗口中的状态估计和外参在线标定等核心优化计算。

ℹ️ 为什么需要从源码编译安装？

Ubuntu 24.04 官方源提供的 Ceres 版本为 2.2.0，与 ROS 2 Jazzy 环境下的 Eigen 等库存在接口或版本兼容问题。为确保 OpenVINS 的编译和运行稳定性，本教程选择从源码编译并安装经过兼容性测试的 2.0.0 版本。

1. 确认系统核心组件

• 运行以下命令确认系统版本、Python 和 CMake 等工具已就绪：

lsb_release -a
python3 --version
cmake --version
opencv_version

• 输出结果如下：

Release:    24.04
Codename:   noble
python3:    3.12.3
cmake:      3.28.3
opencv4:    4.6.0

2. 安装依赖库

sudo apt-get install cmake libgoogle-glog-dev libgflags-dev libatlas-base-dev libeigen3-dev libsuitesparse-dev -y

3. 下载源代码

• 创建工作空间并拉取 2.0.0 版本源代码

mkdir -p ~/vio && cd ~/vio
git clone --branch=ceres-2.0.0 https://github.com/Minderring/ceres-solver.git

4. 创建编译环境

cd ceres-solver/
mkdir build && cd build
cmake ..

5. 编译 ceres-solver

make

6. 安装 ceres-solver

sudo make install

7. 验证 ceres-solver 安装版本

grep -E "CERES_VERSION_(MAJOR|MINOR|REVISION)" /usr/local/include/ceres/version.h

✅ 输出以下内容表示安装版本为 2.0.0，Ceres-Solver 安装成功

#define CERES_VERSION_MAJOR 2

#define CERES_VERSION_MINOR 0

#define CERES_VERSION_REVISION 0

编译 OpenVINS

1. 安装依赖库

sudo apt-get install ros-jazzy-ros2bag ros-jazzy-rosbag2* libeigen3-dev libboost-all-dev -y
sudo cp -r /usr/include/eigen3/Eigen /usr/include/

2. 设置交换内存

ℹ️ 为什么需要设置交换内存？

由于选用的机载电脑为 树莓派5 4G RAM 版本，在运行编译任务时容易因内存不足导致编译中断。通过设置交换内存，可以有效缓解内存压力，确保编译过程的稳定性。

• 分配并启用 4GB 交换内存

sudo fallocate -l 4G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile

• 检查内存及交换内存使用情况

htop

ℹ️ htop 命令可以实时查看系统中各进程的资源使用情况，包含 CPU、内存等。图中 Mem 和 Swp 分别表示物理内存和交换内存的使用情况。

3. 下载源代码

• 创建工作空间并拉取 micoair-mvd35 分支源代码

mkdir -p ~/vio/openvins_ws/src/ && cd ~/vio/openvins_ws/src/
git clone --branch=micoair-mvd35 https://github.com/Minderring/open_vins.git

ℹ️ micoair-mvd35 分支是微空在官方 OpenVINS 基础上针对 MVD35 平台适配和优化后的版本。

4. 编译 OpenVINS

cd ~/vio/openvins_ws/
MAKEFLAGS="-j1" colcon build --parallel-workers 1 --cmake-args -DCMAKE_BUILD_TYPE=Release --packages-select ov_core ov_init ov_msckf

ℹ️ 编译过程中可在另一个终端通过 htop 查看系统资源使用情况，确认不会因内存不足导致编译中断。

ℹ️ 编译结果显示 Summary: 3 packages finished，则表示编译成功。日志中的 stderr 输出为第三方依赖库（Eigen、Boost、Python）与较新版本 GCC 之间的兼容性警告，不影响 VIO 运行功能。

5. 配置终端环境

echo "source ~/vio/openvins_ws/install/setup.bash" >> ~/.bashrc
source ~/.bashrc

运行 ROSBAG 数据集验证

1. 下载数据包

• 在 OpenVINS Supported Datasets 中下载 rosbag2 的数据包，并解压到本地电脑。

2. 上传数据包到机载电脑

• 将下载好的 rosbag2 数据包上传到树莓派 /home/micoair/vio 目录下

3. 启动 OpenVINS 并回放数据集验证

• 终端 1: 启动 OpenVINS

ros2 launch ov_msckf subscribe.launch.py config:=euroc_mav

• 终端 2: 回放数据集

ros2 bag play ~/vio/V1_01_easy.db3

✅ 终端日志输出能看到 OpenVINS 实时运行情况、位置及轨迹长度信息等，最后定位位置回到原点附近 p_IinG = -0.617,-0.069,0.081 ，轨迹长度 dist = 57.31 (meters) 与数据集实际 58m 非常接近，表明 OpenVINS 在树莓派 5 上运行效果良好。

真机验证

通过 ROSBAG 数据集验证后，接下来将 D430 双目相机和飞控 IMU 的实时数据接入 OpenVINS，验证其在真机上的运行效果。

1. 监测系统状态

htop

ℹ️ 实时查看系统资源使用情况，确认 OpenVINS 资源负载在正常范围内。

2. 启动相机节点

ros2 launch realsense2_camera mvd35_d430_launch.py

✅ 启动节点后能看到双目启动的信息及 RealSense Node Is Up! 标识，则说明相机启动成功。

3. 启动 MAVROS 节点

ros2 launch mavros apm.launch

✅ 启动节点后，能看到 MAVROS 的日志输出，包括 飞控固件版本、飞控型号 等信息，表示 MAVROS 已成功连接到飞控。

4. 启动 OpenVINS

ros2 launch ov_msckf subscribe.launch.py config:=mvd35

✅ 在静止状态下启动节点后，OpenVINS 接收双目及 IMU 数据，完成初始化后进入 ZUPT（Zero velocity UPdaTe，零速更新）状态——系统检测到无人机静止时，利用零速约束抑制 IMU 漂移。当无人机开始移动后，ZUPT 状态自动解除，进入正常位姿输出模式。

5. 验证位姿输出

ℹ️ 轻轻晃动无人机，使 ZUPT 状态解除，OpenVINS 开始稳定输出位姿数据。

• 查看位姿输出频率

ros2 topic hz /mavros/vision_pose/pose

• 查看位姿输出数据

ros2 topic echo /mavros/vision_pose/pose

✅ /mavros/vision_pose/pose 话题以约 30Hz 频率稳定输出，数据与实际位姿一致，说明 OpenVINS 在真机上运行正常。

飞控 EKF 融合 VIO 定位数据

设置飞控 EKF 以接受外部视觉定位数据，替代光流作为主要定位源。

修改遥数一体链路模式

VIO 启用后，OpenVINS 以 30Hz 频率向飞控回传位姿数据，显著增加了数传链路的带宽负载。为确保数据传输稳定，需将遥数一体数传切换为 high-speed 模式，并相应调整飞控串口波特率。

1. 修改链路模式

• 将高频头连接到电脑

• 浏览器访问 微空助手网页版

• 选择 高频头端口 -> 打开 配置数传 -> 点击 连接，连接到高频头

• 打开 参数 界面 -> 速率模式 选择 高速 -> 点击 保存到设备 并断开连接

• 重新对频接收机，对频操作请参考视频教程：微空TRS遥数一体高频头&接收机使用指南

2. 修改飞控数传串口波特率

• 将飞控通过 USB 线连接到电脑

• 连接到 MicoConfigurator 并修改对应串口波特率

SERIAL1_BAUD        115: 115200

飞控 EKF 配置

VISO_POS_X    0.09
VISO_TYPE     1: MAVLink

BRD_RTC_TYPES    2

SYSID_MYGCS    1

EK3_SRC1_POSXY     6: ExternalNav
EK3_SRC1_POSZ      2: RangeFinder
EK3_SRC1_VELXY     0: None
EK3_SRC1_VELZ      0: None
EK3_SRC1_YAW       6: ExternalNav

• ⚠️ 重启生效

验证 VIO 数据融合

1. 启动所有节点

• 终端 1：监测系统状态

htop

• 终端 2：启动相机节点

ros2 launch realsense2_camera mvd35_d430_launch.py

• 终端 3：启动 MAVROS 节点

ros2 launch mavros apm.launch

• 终端 4：启动 OpenVINS

ros2 launch ov_msckf subscribe.launch.py config:=mvd35

• 轻微晃动无人机，查看 OpenVINS 位姿输出

2. 验证 EKF 融合状态

VIO 定位移动测试

确认 EKF 融合状态正常后，保持 4.3 节中所有节点运行，进行手持移动测试。

测试步骤：

1. 在 MicoConfigurator 消息控制台中观察 VISION_POSITION_ESTIMATE 和 LOCAL_POSITION_NED 消息。
2. 手持无人机在房间内缓慢、平稳地沿各方向移动，观察 LOCAL_POSITION_NED 中的 x、y、z 值是否跟随实际运动同步变化。
3. 将无人机移回起始位置，观察坐标是否回到接近零点，以此判断定位漂移程度。

完成后检查：

✅ VISION_POSITION_ESTIMATE 消息持续稳定输出，频率约 30Hz。

✅ LOCAL_POSITION_NED 数据（飞控 EKF 融合 VIO 后的定位结果）跟随实际运动实时变化：

• 向机头方向移动 → x 增大
• 向右侧移动 → y 增大
• 向上抬高 → z 减小（NED 坐标系 z 轴朝下）

✅ 回到起始位置后，坐标值接近零点，无明显累积漂移。

常见问题：

⚠️ LOCAL_POSITION_NED 无数据变化：EKF 来源参数配置错误，重新检查 EK3_SRC1 参数。

⚠️ 位姿方向与实际运动相反：相机-IMU 外参标定有误，需重新标定或检查坐标系配置。

⚠️ 短距离移动后位姿快速漂移：环境视觉特征不足（纯白墙壁、单一纹理），更换至纹理丰富的环境重新测试。

VIO 定位飞行测试

⚠️ 安全警告

首次飞行测试务必在开阔安全的室内环境中进行，建议由有飞行经验的操作员完成。飞行全程 始终保持一个模式通道为 Stabilize，如发现位姿漂移或跳变，立即切回 Stabilize 模式手动降落。

飞行前检查

✅ 4.4 节手持移动测试通过，定位方向正确、无明显漂移。

✅ 遥控器已配置 Stabilize 模式（手动接管）和 Loiter 模式（VIO 定位飞行）。

✅ 飞行场地纹理丰富、光照稳定无频闪。

✅ 电池电量充足，螺旋桨安装牢固。

飞行操作

1. 启动所有节点

按照 4.3 节的方式依次启动 RealSense → MAVROS → OpenVINS，确认 EKF 融合状态正常。

2. 起飞

• 在 Stabilize 模式下解锁起飞，确认飞行姿态正常。
• 在低高度（0.5~1m）稳定悬停后，切换至 Loiter 模式。
• 松开摇杆，观察无人机是否能保持位置不漂移。

3. 定位验证

• 缓慢推动方向摇杆，验证位置控制响应。
• 松开摇杆后，无人机应能在新位置保持悬停。

4. 降落

• 切回 Stabilize 模式，缓慢降低油门平稳着地。
• 落地后上锁并断开电池。

完成后检查：

✅ Loiter 模式下无人机能稳定悬停，水平漂移小。

✅ 推杆后松开，无人机能在新位置保持定点。

✅ 飞行全程 OpenVINS 未出现跟踪丢失或位姿跳变。

常见问题：

⚠️ 切换模式后突然漂移或加速：VISO_DELAY_MS 设置不当，根据飞行日志调整。

⚠️ 飞行中 VIO 跟踪丢失：环境特征不足或光照突变，避免对着纯白墙壁或窗户飞行。

⚠️ 起飞后高度不稳：检查 EK3_SRC1_POSZ 是否正确设置为 2: RangeFinder。

附录

常见问题排查

参考资源

• OpenVINS 官方文档
• OpenVINS GitHub
• Kalibr 标定工具
• ArduPilot 外部定位配置
• PX4 外部定位配置
• MAVROS 官方文档