KITTI ORB / DSO / SVO Python SLAM Baselines

长期下载链接：

• 北航云盘： https://bhpan.buaa.edu.cn/link/AA970A42705B6547778B7B345B92AEADA8 文件夹名：MashineLearning
• Github： https://github.com/EthanHuangEbor/MachineLearning.git

本仓库是在 KITTI Odometry stereo 数据集上运行的 Python 视觉 SLAM / VO 研究基线。当前统一比较三条路线：

• ORB-SLAM2-inspired stereo SLAM
• DSO-inspired direct sparse stereo SLAM
• SVO-style semi-direct stereo visual odometry / SLAM

重要边界：这里提供的是 reproducible Python research baselines，不是 ORB-SLAM2、DSO 或 SVO 官方 C++ 系统的完整论文级复现。所有 benchmark JSON 都通过 implementation_manifest.paper_level_claim=false 明确声明这一点。

当前状态

当前主入口是：

文件	作用
run_benchmark.py	ORB / DSO / SVO 三算法统一 benchmark，输出 JSON、轨迹、诊断图。
dso_ablation.py	DSO-only 消融实验入口。
slam_comparison.ipynb	读取最新结果并生成交互式分析表格和图像展示。
evaluate.py	ATE、RPE、KITTI segment metrics、轨迹绘图、JSON 安全转换。
kitti_utils.py	KITTI stereo 数据、标定、真值轨迹读取与 KITTI 格式轨迹保存。
slam_profiles.py	三算法实现边界和 paper_level_claim=false manifest。

旧入口 orb_vo.py 和 direct_vo.py 已不存在，也不需要恢复。

算法文件

文件	当前用途	是否保留
orb_slam.py	ORB-SLAM2-inspired 主实现：特征跟踪、PnP、关键帧、局部建图、回环。	保留
orb_advanced.py	ORB local map tracking、relocalization、Sim3 fusion、global BA。	保留
dso_slam.py	DSO-inspired 主实现：光度 tracking、质量门控、fallback、active-window BA、loop diagnostics。	保留
dso_advanced.py	DSO 光度校正、inverse-depth active window、轻量 prior。	保留
svo_slam.py	SVO-style 半直接 stereo baseline。	保留
slam_base.py	KeyFrame、MapPoint、covisibility graph、local BA、pose graph。	保留
local_mapping.py	ORB 共享局部建图后端。	保留
loop_detector.py	BoW-style loop candidate、Sim3 求解工具。	保留

根目录的算法 .py 文件当前都仍然有实际用途；不建议删除。可以清理的是 __pycache__/、工具私有目录、以及旧实验输出。

DSO 当前增强

当前 DSO 仍是 bounded DSO-inspired baseline，但已从早期简化版升级为更可信的工程版本：

• left-right SGBM consistency depth filtering
• grid active point selection with spatial diversity
• affine brightness gain / bias
• residual p95、cost jump、valid projection ratio、LK consistency tracking gates
• fallback 顺序：LK+PnP -> constant velocity -> last safe pose
• fallback 后强制关键帧刷新，连续失败后 lightweight reinitialization
• bounded active-window photometric BA，联合优化 pose、affine brightness、inverse-depth points
• active point age / observation / bad-count / residual lifecycle culling
• loop candidates、verified loops、applied corrections 分开统计
• loop_closures 只在几何验证通过且 pose graph correction 实际应用后增加

这修正了早期 DSO 把候选回环直接记成真实闭环的问题。KITTI 00 前 300 帧的最新 DSO 结果中，loop_candidates=17，但 loop_closures=0，更符合短序列实验语义。

数据目录

默认读取 KITTI Odometry 结构：

data/kitti_odometry/
  sequences/
    00/
      image_0/
      image_1/
      calib.txt
      times.txt
  poses/
    00.txt

安装

.\.venv\Scripts\python.exe -m pip install -r requirements.txt

依赖见 requirements.txt：

opencv-python
numpy
scipy
matplotlib
scikit-learn

推荐运行

最新 300 帧三算法 benchmark：

.\.venv\Scripts\python.exe -B run_benchmark.py --data-dir data/kitti_odometry --seq 00 --max-frames 300 --algorithms orb,dso,svo --features 800 --points 800 --svo-points 1500 --output-dir results\final_seq00_300_optimized_f800_p800

最新 300 帧 DSO 消融：

.\.venv\Scripts\python.exe -B dso_ablation.py --data-dir data/kitti_odometry --seq 00 --max-frames 300 --points 800 --output-dir results\dso_ablation_300_optimized_p800

单独重新绘图或计算指标时，优先使用 run_benchmark.py 和 dso_ablation.py，不要回退到早期 demo 入口。

最新结果

当前最新主结果位于：

路径	作用
results/final_seq00_300_optimized_f800_p800/	最新 300 帧 ORB / DSO / SVO 三算法 benchmark。
results/dso_ablation_300_optimized_p800/	最新 300 帧 DSO 消融实验。
results/seq00_300_optimized_results.zip	上面两个结果目录和结果说明的压缩包。
results/README.md	结果目录说明、指标表和阅读顺序。

最新 300 帧主 benchmark 摘要：

Algorithm	ATE RMSE m	RPE trans %	KITTI mean trans %	Failures	Fallbacks	Loop closures
ORB	2.9913	2.7487	2.6843	0	n/a	2
DSO	3.4279	2.0376	2.0259	12	12	0
SVO	2.9621	1.7526	1.7257	0	0	0

旧结果已归档到 results/Old/。带有 smoke 的早期临时运行结果不作为论文证据，已从 results/ 中清理。

文档状态

文件	状态
README.md	当前主说明文档。
PAPER_LEVEL_STATUS.md	论文级复现边界说明。
results/README.md	实验结果目录说明。
slam_comparison.ipynb	最新结果分析 notebook。
results/Old/Goal.md	历史阶段任务书，仅归档，不作为当前使用说明。
00000_Report/	LaTeX/PDF 报告资料；若用于最终论文，需要同步最新 300 帧结果。