DB-VIO: Dual-Branch Visual Inertial Odometry with Enhanced Visual-Inertial Representation

📄 arXiv: 2607.22123v1 📥 PDF

作者: Ziyu Wan, Lin Zhao

分类: cs.RO

发布日期: 2026-07-24

💡 一句话要点

提出DB-VIO以解决视觉惯性里程计中的动态捕捉问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 视觉惯性里程计 深度学习 运动估计 机器人导航 自主驾驶 多模态融合

📋 核心要点

  1. 现有的学习基础VIO方法依赖统一的视觉-惯性表示，难以捕捉旋转与平移的异质动态。
  2. DB-VIO通过双分支架构，分别处理旋转和位移，增强了视觉-惯性表示的能力。
  3. 实验结果显示，DB-VIO在KITTI和EuRoC基准测试中分别提高了20%和33%的性能，旋转指标提升显著。

📝 摘要（中文）

视觉惯性里程计（VIO）在移动机器人系统中对于准确的6自由度运动估计至关重要。尽管近期基于学习的VIO方法取得了显著进展，但它们通常依赖统一的视觉-惯性表示和单一的时间模型进行全姿态估计，限制了捕捉旋转与平移异质动态的能力。此外，单目视觉特征往往缺乏明确的几何结构，而原始惯性编码则将潜在的旋转运动学隐含化，削弱了IMU特征中的旋转相关线索。为了解决这些问题，本文提出了DB-VIO，一个具有增强视觉-惯性表示的双分支视觉惯性里程计框架。DB-VIO结合深度线索以改善单目视觉感知，注入明确的集成姿态先验以增强旋转感知的惯性表示，并将姿态估计解耦为专门的旋转和位移分支，以实现运动特定的时间建模。实验结果表明，DB-VIO在自主驾驶和空中机器人基准测试中表现出色，在KITTI上提高了20%，在EuRoC上提高了33%。在EuRoC的更灵活运动模式下，DB-VIO在旋转指标上比先前方法提高了65.7%。这些结果展示了DB-VIO在不同平台和运动场景中的有效性和泛化能力。

🔬 方法详解

问题定义：本文旨在解决现有视觉惯性里程计方法在捕捉旋转与平移动态时的不足，尤其是单一时间模型的局限性和缺乏几何结构的视觉特征。

核心思路：DB-VIO通过双分支架构，将姿态估计解耦为旋转和位移两个专门的分支，结合深度信息和明确的姿态先验，以增强对旋转的感知能力。

技术框架：DB-VIO的整体架构包括两个主要分支：一个用于处理旋转信息，另一个用于处理平移信息。每个分支都采用特定的时间建模策略，以适应不同的运动动态。

关键创新：DB-VIO的核心创新在于引入了深度线索和集成姿态先验，显著增强了对旋转的感知能力，并通过分支结构实现了对不同运动模式的灵活适应。

关键设计：在网络结构上，DB-VIO采用了专门设计的损失函数，以平衡旋转和位移的估计精度，同时在训练过程中引入了数据增强技术，以提高模型的泛化能力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

DB-VIO在KITTI和EuRoC基准测试中分别提高了20%和33%的性能，尤其在EuRoC的灵活运动模式下，旋转指标提升了65.7%。这些结果表明DB-VIO在不同平台和运动场景中的优越性。

🎯 应用场景

DB-VIO的研究成果在自主驾驶、无人机导航和机器人定位等领域具有广泛的应用潜力。其增强的视觉-惯性表示和高效的运动估计能力，将推动相关技术在复杂环境中的实际应用，提升移动机器人系统的智能化水平。

📄 摘要（原文）

Visual inertial odometry (VIO) is essential for accurate 6-DoF motion estimation in mobile robotic systems. Recent learning-based VIO methods have shown promising progress, but they often rely on unified visual--inertial representations and a single temporal model for full-pose estimation, limiting their ability to capture the heterogeneous dynamics of rotation and translation. Moreover, monocular visual features often lack explicit geometric structure, while raw inertial encoding leaves the underlying rotational kinematics implicit, weakening the rotation-related cues in IMU features. To address these issues, we propose DB-VIO, a dual-branch visual inertial odometry framework with enhanced visual--inertial representation. DB-VIO incorporates depth cues to improve monocular visual perception, injects an explicit integrated-attitude prior to strengthen rotation-aware inertial representation, and decouples pose estimation into dedicated rotational and translational branches for motion-specific temporal modeling. Experiments on autonomous driving and aerial robot benchmarks show that DB-VIO achieves state-of-the-art performance, improving the corresponding baselines by 20\% on KITTI and 33\% on EuRoC. Notably, under the more agile motion patterns of EuRoC, DB-VIO improves the rotational metric by 65.7\% over prior methods. These results demonstrate the effectiveness and generalization of DB-VIO across different platforms and motion scenarios.