Svo dissection

SVO Dissection (Semi-Direct Visual Odometry 解构)

Published: SVO 1.0 — Forster, Pizzoli, Scaramuzza. ICRA 2014 · SVO 2.0 — Forster et al. IEEE T-RO 2017 · SVO-Pro — Scaramuzza et al. RAL/ICRA 2021 (UZH Robotics & Perception Group) Code:

• 原 SVO: https://github.com/uzh-rpg/rpg_svo（~3k ★，semi-frozen）
• SVO-Pro: https://github.com/uzh-rpg/rpg_svo_pro_open（1.6k ★，57 open issues，GPL-3.0，+ 商业 license available） 核心定位: SVO 是 Direct vs Indirect 战争之外的第三条路。用 sparse 特征做 pose 对齐（像 Direct）+ 用 reprojection 做 map 优化（像 Indirect）。结果：在 embedded CPU 上能跑 200 fps，aerial drone 的首选 mono VO baseline。SVO-Pro (2021) 补齐 IMU + loop closure + iSAM2 backend，等效于 aerial-tuned 的 ORB-SLAM3。

Status: v1。UNVERIFIED 数字 inline 标注；GitHub-validated pitfalls 锚 atlas。 TL;DR: Forster 选了 worst of both worlds 还是 best of both worlds 的赌注 —— 跟踪阶段不算描述子，直接 image alignment 找特征对应；建图阶段用 depth filter + reprojection BA。这让 SVO 跑得比 ORB-SLAM 快 5×（200 fps vs 30 fps mono），比 DSO 收敛半径大（特征 align 比纯 photometric 鲁棒），但代价是 mapping 质量靠 depth filter 收敛（深度不稳定 = 漂得快）。aerial drone 社区把它做成事实标准；地面机器人 / AR 则继续用 ORB-SLAM3。

---

1 · X-Ray — 与 ORB-SLAM3 / DSO 的三方对照

1.1 一句话定位 — 真正的 hybrid

DSO = photometric residual on raw pixels（Direct, slow & precise, no loop） ORB-SLAM3 = reprojection residual on ORB keypoints（Indirect, full stack, 30 fps） SVO = sparse feature align (no descriptor!) → reprojection BA on depth-filter points（Hybrid, 200 fps embedded）

   ┌───────────────────────────────────────────────────────────────────────┐
   │  Direct (DSO)                vs  Semi-direct (SVO)        vs Indirect (ORB)│
   ├───────────────────────────────────────────────────────────────────────┤
   │  ✗ keypoints                 │  ✓ FAST corners              │  ✓ ORB         │
   │  ✗ descriptors               │  ✗ NO descriptors!           │  ✓ BRIEF 256-bit│
   │  ✓ photometric residual      │  ✓ photometric align (track) │  ✗ reproj only │
   │  ✗ reprojection              │  ✓ reproj BA (mapping)       │  ✓ reproj BA   │
   │  Depth: per-point inv depth  │  Depth: depth filter (recursive Bayes) │ Depth: triangulate │
   │  Loop: ❌                    │  Loop: ✅ DBoW2 (Pro)         │  Loop: ✅ DBoW2 │
   │  IMU: ❌（DM-VIO fork）      │  IMU: ✅ (2.0 起, Pro)         │  IMU: ✅ tight │
   │  Multi-map: ❌                │  Multi-map: ❌                │  Atlas ✅      │
   │  Rate: ~30 Hz                │  Rate: **~200 fps embedded** │  ~30 Hz        │
   │                                                                          │
   │  ⇒ 高梯度精度战              │  ⇒ aerial drone 速度战         │  ⇒ 室内通用栈   │
   └───────────────────────────────────────────────────────────────────────┘

1.2 ⚡ Eureka Moment

检测要特征，匹配不要描述子 —— 用 image alignment 直接 warp 特征 patch 找对应。 跟踪阶段像 Direct（光度），建图阶段像 Indirect（reprojection）。 结果：embedded CPU 上跑出 200 fps，又同时保留 BA 的 metric consistency。

ORB-SLAM 之所以慢，~50% 时间在 ORB descriptor 提取 + Hamming 匹配 + RANSAC outlier。SVO 的洞见：FAST corner 抽出来已经够定位了；匹配可以直接用图像 patch 做 warp + 光度 align，不用算 BRIEF。这等于把 ORB-SLAM 前端 30 ms 压到 5 ms。

但 SVO 也付出代价：没有描述子 = 没有 DBoW2 内置闭环。SVO 1.0 / 2.0 没有 loop closure，SVO-Pro (2021) 才补上（用 BRISK + DBoW2 + iSAM2 backend）。

Aerial drone 社区的赌注：在 100 g 级 drone 上，100 ms loop 延迟 ≫ 200 fps 跟踪的损失。SVO 是赢家。ORB-SLAM3 室内的赌注：tracking 30 fps 够了，但闭环 + Atlas multi-session 不可缺。两个 embodiment 选不同 winner。

1.3 SVO-Pro 架构（2021）

   SVO-Pro 架构 — 三阶段 pipeline + 可选 backend
   
   ┌────────────────────────────────────────────────────────────────┐
   │   📷 Camera (mono/stereo/fisheye, active exposure ctrl)         │
   │   📐 IMU (≥200 Hz, optional)                                    │
   │            │                                                    │
   │            ▼                                                    │
   │   ┌─────────────────────────────────────────┐                   │
   │   │  ① SPARSE IMAGE ALIGNMENT (pose only)  │                   │
   │   │  对每一新帧，warp 上一 KF 的 patches      │                   │
   │   │  最小化 photometric residual on patches  │                   │
   │   │  Coarse-to-fine pyramid (4 level)        │                   │
   │   │  ⇒ 5 ms · 200 fps embedded               │                   │
   │   └────────────────┬────────────────────────┘                   │
   │                    │ pose prior                                  │
   │                    ▼                                             │
   │   ┌─────────────────────────────────────────┐                   │
   │   │  ② FEATURE ALIGNMENT (subpixel refine) │                   │
   │   │  对每个 visible map point，做 patch     │                   │
   │   │  align 找 2D 子像素位置                  │                   │
   │   │  (像 Direct，但只在 sparse FAST 处)      │                   │
   │   └────────────────┬────────────────────────┘                   │
   │                    │ 2D-3D correspondences                       │
   │                    ▼                                             │
   │   ┌─────────────────────────────────────────┐                   │
   │   │  ③ POSE + STRUCTURE REFINE (BA-style)  │                   │
   │   │  Motion-only BA (reprojection)          │                   │
   │   │  Local structure BA on co-visible KFs   │                   │
   │   └────────────────┬────────────────────────┘                   │
   │                    │ refined pose + map                          │
   │                    ▼                                             │
   │   ┌─────────────────────────────────────────┐                   │
   │   │  ④ DEPTH FILTER (mapping)              │                   │
   │   │  每个新 candidate point 维护             │                   │
   │   │  Gaussian + Uniform mixture inverse-depth │                 │
   │   │  recursive Bayes update on each obs     │                   │
   │   │  收敛后转 map point                       │                   │
   │   └─────────────────────────────────────────┘                   │
   │                                                                  │
   │   ─────────── Optional backends ────────────                     │
   │   ⑤a  Visual-Inertial sliding-window optim (OKVIS-style)        │
   │   ⑤b  VI-SLAM with iSAM2 (incremental smoother, real-time)      │
   │   ⑤c  Loop closure: BRISK + DBoW2 + PGO                         │
   │                                                                  │
   └────────────────────────────────────────────────────────────────┘
   
   💡 关键洞见：SVO 把"特征 + 描述子 + 匹配"三件套**砍掉中间一件**。
      FAST corner 留着（要精确角点位置），描述子去掉（patch warp 代替匹配），
      reprojection BA 留着（保 metric consistency）。

---

2 · 数学核心

📌 Napkin Formula — Semi-direct Residual 双层

   ① Stage 1 — Sparse image alignment（跟踪阶段，photometric）
      
      T*  =  argmin_T   Σ_p ‖ I_new(π(T · X_p)) − I_ref(p) ‖²
      
      仅对 sparse FAST corner 的 4×4 patch 做 warp，**不优化结构**。
      跟 DSO 一样 photometric，但**只在 sparse 点上**而非 dense 高梯度像素。
      ⇒ 收敛半径在两者之间：比 dense direct 大、比 ORB feature matching 小
   
   ② Stage 2 — Feature alignment（子像素精炼）
      
      u_p*  =  argmin_u  ‖ I_new(u) − I_ref(p) ‖²    (small affine warp)
      
      固定 pose，每个点找子像素位置 → 给 BA 一个精确 2D 观测。
   
   ③ Stage 3 — Motion + structure BA（建图阶段，reprojection）
      
      {T*, X*}  =  argmin   Σ ρ( ‖ u_p − π(T · X_p) ‖_Σ )    (Huber)
      
      跟 ORB-SLAM 完全一样的 reprojection BA。
   
   ④ Depth filter（recursive Bayes，per-point）
      
      p(ρ_p | obs_1..N)  =  η · p(obs_N | ρ_p) · p(ρ_p | obs_1..N-1)
                          
      Mixture: Gaussian (inlier) + Uniform (outlier)
      ⇒ 论文 Vogiatzis-Hernández 2011 模型

直觉：SVO 不是”半 direct”在 残差类型 上模糊 —— 它在 管线阶段 上分割：

• 跟踪（每帧）用 direct-style alignment（快、不要描述子）
• 建图（每 KF）用 indirect-style reprojection BA（精、metric）
• 深度初始化用 depth filter（recursive，不需 stereo baseline）

这是 ORB-SLAM3 和 DSO 之间真正的 第三条路，不是简单混合。

2.1 Depth Filter — SVO 的秘方

   传统 mono SLAM 初始化新点：
      ─── 需要 ≥2 KF 的 baseline → triangulate (closed-form)
      ─── 三角化精度差时 outlier 多 → RANSAC tax
   
   SVO depth filter：
      ─── 每个 candidate 一上来就开始 recursive Bayes
      ─── Gaussian + Uniform mixture: inlier vs outlier 自动加权
      ─── 收敛后转 mature map point；不收敛的自然过滤
      ─── ⇒ 不需要等 stereo baseline；连续观测就开始收敛
   
   → 这是 SVO 能跑 mono + 200 fps 的关键之一
   → 灵感来自 Vogiatzis & Hernández 2011（probabilistic depth fusion for 3D recon）

---

3 · 📍 研究全景时间线 — UZH RPG 与 aerial 路线

2007       2011       2014                 2017                 2021                 2024+
PTAM ────► DTAM ────► SVO (ICRA) ────────► SVO 2.0 (T-RO) ───► SVO-Pro (RAL/ICRA) ►   ──┐
(features) (dense     │                    + IMU + omni cam     + iSAM2 backend         │
           direct)    │                                         + DBoW2 loop closure    │
                      │                                         + GitHub release         │
                      │                                                                  │
                      ├──► ROVIO (2015, MSCKF filter)                                    │
                      ├──► OKVIS (Leutenegger 2015) ─► VINS-Mono (Qin & Shen 2018) ─────┤
                      ├──► OpenVINS (2019, Geneva et al., MSCKF)                         │
                      └──► DSO (2018, TUM Cremers) — *parallel direct lineage*           │
                                                                                          ▼
   Aerial timeline                                                              [2026 hybrid]
   ────────────────────────────────────────────────────────────────────►   Flash-Mono /
   SVO ─► SVO 2.0 ─► SVO-Pro ─► VINS-Fusion ─► OpenVINS                     SLAM3R /
                                                                            EC3R-SLAM /
   UZH RPG 实验室：Scaramuzza 组 = drone VIO 的事实标准源；                    learned + classical
   一脉相承：Forster (SVO) → Loianno (UPenn drone) → Cadena (ETH) → 
            Geneva (OpenVINS) → Zhang (HKUST aerial benchmark)
   
   2026 现状：SVO-Pro 在 aerial drone 仍活；地面机器人转 ORB-SLAM3；
              研究前沿转 hybrid / feed-forward；UZH 自己也转向 event camera + learned

为什么 SVO 出现在 ICRA 2014（同年 LSD-SLAM ECCV 2014）？ 因为 2013 后 micro-aerial vehicle 革命（Pixhawk + AscTec + DJI），需要 100 g 级 onboard mono VO；ORB-SLAM 30 fps 不够、DSO 太慢、KLT-based VO 不够准。Forster 找到 sparse photometric align 这条夹缝。

---

4 · 玩具例子：带数字走一遍

EuRoC MAV MH_01_easy（752×480 mono、20 Hz）。Intel NUC i7 测（论文报告，UNVERIFIED）：

步骤	SVO 2.0 时间	ORB-SLAM3 mono 时间	DSO mono 时间
Feature 提取	~1 ms (FAST only)	~8 ms (ORB pyramid)	~5 ms (point selection)
Description / Matching	❌ skip	~3 ms (BRIEF match)	❌ skip
Image alignment / Tracking	~3 ms	~5 ms (motion BA)	~12 ms (multi-level direct)
Mapping (KF only, async)	~30 ms/KF	~100 ms/KF	~80 ms/KF
总 tracking	~5 ms	~17 ms	~17 ms
可达 frame rate	~200 fps	~60 fps	~60 fps

实测 ATE（EuRoC MAV，UZH benchmark）：

• SVO 2.0 mono+IMU：~0.3 m drift on MH_01 UNVERIFIED
• ORB-SLAM3 mono+IMU：~0.04 m drift（更精）
• VINS-Mono：~0.06 m

⇒ SVO 不是最准，是最快。对 aerial 高速控制（200 Hz IMU loop），延迟 → jitter → 控不稳；用 SVO 换 30% 精度损失保 200 fps，aerial 接受这个交易。

---

5 · 工程：UZH RPG 文化与代码栈

SVO 历史栈 (uzh-rpg/rpg_svo, ~3k ★)：

• 2014 release，配合 ICRA paper；C++11；ROS Indigo 时代
• 2016-2017 学界广泛 fork；很多 thesis 基础
• 后期 semi-frozen：主 release 走 SVO-Pro

SVO-Pro (uzh-rpg/rpg_svo_pro_open, 1.6k ★)：

• 2021 release（GPL-3.0 + 商业 license）
• 包含完整三模式：VO / VIO / VI-SLAM（iSAM2 backend）
• ROS 1 支持；ROS 2 社区 fork（#70 请求 arrch64 未合）
• 商业版可联系 UZH technology transfer office

周边工具（UZH RPG ecosystem 必备）：

• Kalibr（Furgale 2013, ETH/UZH）—— camera-IMU 时间 + 外参 + 内参标定金标准；任何 VIO 部署的入场费
• rpg_trajectory_evaluation（Zhang & Scaramuzza 2018）—— ATE/RPE 评测标准
• rpg_information_field（信息论 active perception 工具）

与 OpenVINS / VINS-Fusion 的分工：

• VINS-Fusion：港科技 Shen Shaojie 组，feature-based + IMU + GPS fusion，aerial / autonomous driving 通用
• OpenVINS：UDel Geneva et al., MSCKF filter，纯 VIO baseline
• SVO-Pro：UZH，semi-direct + 优秀 mono 性能 + 完整 backend，研究 + drone 部署

---

6 · 能力与失败模式

出货场景:

• Micro-aerial vehicle（100-500 g drone）—— UZH 内部 + ETH Vasarhelyi lab + Stanford Kress-Gazit lab 等学术 drone 平台 baseline
• Embedded mono VO（树莓派 / Jetson Nano 单 mono camera）—— 200 fps 跑得动
• 研究 mono 基线 —— “我们 propose XX 模块，base SVO 做 baseline”
• Aerial benchmark replication —— UZH 自家 benchmark 主要测它

失败场景:

• 大 baseline 立即匹配 —— 没描述子 → 跑 wide-baseline relocalization 不行，需重启
• 低纹理 / 白墙 —— FAST corner 找不出来 → tracking lost（DSO 的高梯度像素这时反而能用，但 DSO 收敛半径小没救）
• 强动态场景 —— depth filter 收敛会被动态物体污染
• 多 session —— 没有 Atlas，无法接续
• 室内 RGB-D 任务 —— ORB-SLAM3 RGB-D mode 是事实默认；SVO 没有同等的 RGB-D 路径
• HDR / 强光切换 —— sparse image alignment 不带 a/b affine 模型，比 DSO 还差

6.1 Hidden Assumptions（隐含假设）

• 足够 FAST corner —— 没有 ORB 那样的多 detector fallback；FAST 失效就停
• Depth filter 能收敛 —— 需连续观测 + 视差累积；hover 不动 / 纯旋转时 depth 不收敛
• Patch warp 假设小旋转 + 小尺度变化 —— 快速 yaw（>2 rad/s）让 patch warp 模型崩
• IMU 高频 + 同步 —— SVO-Pro VI 模式假设 200 Hz IMU + 硬件 sync；与 ORB-SLAM3 / VINS 同样依赖 Kalibr
• Loop closure 仅 BRISK + DBoW2 (Pro) —— 比 ORB-SLAM3 的 DBoW2-on-ORB 弱，跨光照 reloc 不稳

6.2 GitHub 实地失败（atlas 联动）

• GitHub-validated：57 open issues + maintainer 半静默 —— Issue #76 “Drifting issue”（2025-11 open）+ #69 “Relocalization success will cause bias jump”（2024-05）显示 VI-SLAM 模式 reloc bias 跳变是已知未修问题；产品部署要 fork + 自维 patch；详见 github_failure_atlas.md。
• GitHub-validated：ROS 2 / arrch64 / 现代 build 全部社区 fork 拼图 —— Issue #70（arrch64 支持，未实现）+ #72 load_ui128 build error 反映与 ORB-SLAM3 同病：研究 codebase 时代固化，靠社区 fork 跟进 platform，详见 github_failure_atlas.md。
• GitHub-validated：Monocular init 失败常见 —— Issue #75 “Unsuccessfully run SVO in monocular mode” + #66 “Wrong estimation when running on webcam” 反映 mono-only depth filter 对相机参数 / 同步 / 场景纹理敏感；要先用 EuRoC / stereo+IMU 跑通才能换 mono。

---

7 · 7.5 · GitHub-validated pitfalls (2026-05-24 deep dive)

扫描 57 个 open issue，分布于 init failure / build / drift / ROS 平台支持四大类。引用 issue 链接 + 原文。

#	Pitfall	Evidence	Severity	Workaround
1	Mono 模式初始化失败 — 单目跑不通，依赖场景纹理 + 摄像机运动初值	#75 “Unsuccessfully run SVO in monocular mode” (Mar 2025 open); #66 “Wrong estimation when running on webcam”	🔴	先在 EuRoC stereo+IMU 上跑通再换 mono；初始化需 lateral motion；webcam 通常缺标定
2	VI-SLAM 重定位 bias 跳变 — reloc 成功后 IMU bias 突变	#69 “Relocalization success will cause bias jump” (May 2024)	🔴	长 session aerial 用要锁 IMU bias 更新 + 后处理对齐；产品部署有风险
3	长 session drifting — 持续累积漂移，闭环未必兜底	#76 “Drifting issue” (Nov 2025 open)	🔴	必须开 SVO-Pro loop closure（DBoW2）；短 trajectory 才能避免
4	Build hell on modern compiler — load_ui128 等 SIMD intrinsics 不识别	#72 “error: ‘load_ui128’ was not declared in this scope” (Dec 2024)	🟠	GCC 9 + Ubuntu 20.04 是参考栈；GCC 11+/aarch64 要 patch SIMD wrapper
5	arrch64 / Jetson 移植无主仓支持 — drone 主力平台缺官方支持	#70 “Make it available on arrch64” (Oct 2024 unanswered)	🟠	用社区 fork 或自移植；Jetson Orin Nano + Ubuntu 20.04 用 GCC 9 跨编
6	Estimator marginalization fail — sliding-window backend 数值不稳	#67 “test estimator failed with marginalization” (May 2024)	🟠	VI-SLAM 模式要用 iSAM2 backend 而非 sliding-window；论文配置 + EuRoC 才稳
7	API 文档稀疏 — pose covariance 怎么拿	#68 “How to get the pose covariance”	🟡	要读 estimator 源码自己 expose；不要假设 ROS topic 自带 cov
8	ROS launch 启动崩 — process has died 启动失败	#61 “Process has died after roslaunch” (Jan 2024)	🟡	检查 yaml config 路径；多数 case 是 camera_info topic 命名不匹配

Repo health signal：原 SVO ~3k ★ frozen / SVO-Pro 1.6k ★ + 57 open issues / GPL-3.0 + 商业 license / last commit 不公开（master 历史 commit 数低）/ 商业版分流维护

读者实务含义：

1. SVO-Pro 是 aerial drone 研究 codebase，不是 turnkey 产品。Production drone（如 Skydio）走自研 + 闭源；学界用 SVO-Pro 做 baseline + 论文 prototype。
2. 工作包络：aerial drone (100-500 g) + stereo+IMU 优先 / mono 谨慎 + ROS 1 / Ubuntu 20.04 + 场景有纹理 + <10 min session（长 session 走 loop closure）。
3. 选 SVO-Pro 的判断标准 = 是否真的需要 200 fps + onboard CPU。如果不是 aerial，ORB-SLAM3 / VINS-Fusion / OpenVINS 任一项都更稳。

---

8 · 比较 & 面试 Tip

栈	Paradigm	跟踪速度	闭环	IMU	多 session	aerial?	室内默认?
SVO / SVO-Pro	Semi-direct	⭐ ~200 fps mono	✅（Pro 起）	✅（2.0 起）	❌	⭐ aerial 标配	❌
ORB-SLAM3	Indirect	~30 fps	✅ DBoW2	✅ tight	✅ Atlas	❌ 太慢	⭐ 默认
DSO	Direct	~30 fps	❌	❌（DM-VIO fork）	❌	❌	❌
VINS-Fusion	Indirect	~30-50 fps	✅ DBoW2	✅ tight	△	⭐ aerial	⭐ AD
OpenVINS	Filter (MSCKF)	~30-100 fps	弱	✅ tight	❌	⭐ aerial baseline	❌
DROID-SLAM	Learned	GPU only	✅（学的）	△	❌	❌（GPU 重）	❌
VGGT	Feed-forward	offline batch	n/a	❌	n/a	❌	❌

🎤 Interview Tip：「我们这台 250 g drone 上选 SVO-Pro 还是 VINS-Fusion？」

正确答：「先看控制 loop 频率。如果 IMU control loop ≥200 Hz 而且 onboard 只有 ARM CPU、需 mono 模式，SVO-Pro 是首选 —— 200 fps tracking + sparse image alignment 让它在 jitter-sensitive 控制场景压 ORB-SLAM3 / VINS 一头。如果有 stereo + Jetson Xavier 以上 + 需要 loop closure 全功能 + 想要更成熟的 ROS 接口和社区支持，VINS-Fusion 更稳（GPS fusion / multi-sensor / 港科技维护更活跃）。ORB-SLAM3 太慢，30 fps 在 aerial 控制环里加 jitter 不接受。」

错答：「都差不多，选 ORB-SLAM3 因为它最有名」—— 这是把室内 manipulation 的事实默认错误外推到 aerial 200 fps 控制。Embodiment 决定选型，不是知名度。

追问：「为什么 SVO 不用描述子？」 答：「Forster 的核心判断：描述子（BRIEF/ORB）50% 时间为了跨光照 / 大基线 reloc 设计；但 frame-to-frame 跟踪根本不需要这个鲁棒性 —— patch warp + 光度 align 就够了。描述子留到必要的 reloc 时再算（SVO-Pro 用 BRISK + DBoW2 做 loop closure 是这时才提描述子）。换言之 —— 每一帧都算描述子是过度工程。这个判断只在 aerial 场景（小基线、frame-to-frame 多）成立；室内 RGB-D / AR（大跳变 reloc 多）则相反。」

---

9 · Falsifiable Predictions（可证伪预测）

#	预测（2026-2027）	Falsifier
1	SVO-Pro 仍是 2027 aerial mono VIO 论文 baseline 第一名（出现频次 > ORB-SLAM3 mono in aerial papers）	2027 CVPR/ICRA/RAL aerial-VIO papers 大多基线换成 ORB-SLAM3 mono 或别的
2	主仓 rpg_svo_pro_open 2026-2027 不会 merge ROS 2 主线支持；社区 fork 继续分散维护	ROS 2 主仓 release 出现
3	UZH RPG 实验室未来 12 个月会发至少一篇 event camera + SVO-style 论文（继 EVO/Ultimate-SLAM 路线）	UZH RPG 没发 event-VIO 系新工作
4	Aerial drone 产品（>1k units shipped, e.g. Skydio）不会直接 ship SVO-Pro 内核；而是借用思想走闭源自研	Skydio / DJI / Parrot 公布 BOM 含 SVO-Pro
5	3R-SLAM Hybrid (Flash-Mono / SLAM3R) 不会在 2027 前击败 SVO-Pro 在 100 g 级 onboard CPU drone 的 frame rate（200 fps）—— 因为 feed-forward backbone GPU 重	Flash-Mono 在 ARM CPU 100 g drone 上跑出 ≥150 fps

---

10 · For the Reader（读者实务）

如果你正在 …

• … 做 aerial drone mono VIO 项目 → SVO-Pro 是首选 baseline；先在 EuRoC 跑通 stereo+IMU，再切 mono；硬件用 global-shutter + 同步 IMU（Kalibr 标）
• … 做 ground robot / manipulation → 别选 SVO，选 ORB-SLAM3（Atlas + RGB-D + 多模态）
• … 要 SVO 加 ROS 2 → 用社区 fork（搜 svo_pro_ros2）；不要等主仓
• … 要 SVO 上 Jetson Orin Nano / arrch64 → 看 issue #70 + 自己交叉编；GCC 9 + Ubuntu 20.04 docker
• … 理解 semi-direct method 设计哲学 → 读 Forster 2017 T-RO §3-4 + 这篇 dissection §1-2
• … 想看 UZH RPG 后续路线 → event camera VIO (Ultimate-SLAM, EVO)、learned drone control、neural radiance for drone NeRF
• … 找 VIO 学术 benchmark → UZH benchmark suite (rpg_trajectory_evaluation) + Kalibr 是入场费

---

11 · References

• SVO 1.0 — Forster, Pizzoli, Scaramuzza. ICRA 2014（原始 semi-direct paper）
• SVO 2.0 — Forster, Zhang, Gassner, Werlberger, Scaramuzza. IEEE T-RO 2017 —— + IMU, fisheye, multi-camera
• SVO-Pro — Scaramuzza et al. RAL/ICRA 2021 —— full VIO / VI-SLAM, iSAM2 backend, DBoW2 loop
• Depth filter — Vogiatzis & Hernández. Image and Vision Computing 2011（recursive Bayesian depth fusion）
• IMU preintegration（SVO-Pro VI 用）— Forster, Carlone, Dellaert, Scaramuzza. RSS 2015 / T-RO 2017 · https://arxiv.org/abs/1512.02363
• Cadena SLAM survey — Cadena et al. IEEE T-RO 2016 · https://arxiv.org/abs/1606.05830（Semi-direct 分类经典 ref）
• Kalibr — Furgale, Rehder, Siegwart. IROS 2013（VIO 标定金标准）
• rpg_trajectory_evaluation — Zhang & Scaramuzza. IROS 2018（ATE/RPE 评测标准）
• Code (original) — https://github.com/uzh-rpg/rpg_svo（~3k ★, semi-frozen）
• Code (Pro) — https://github.com/uzh-rpg/rpg_svo_pro_open（1.6k ★, GPL-3.0 + 商业 license）

---

12 · Boundary（与相邻文件的分工）

这一篇只管 SVO / SVO-Pro（semi-direct VO 的代表）。

• ORB-SLAM3（indirect VO 对照） → ./orb_slam3_dissection.md
• DSO（direct VO 对照） → ./dso_dissection.md
• Direct method 合并对比（LSD + DSO） → ./direct_methods_dso_lsd.md
• GitHub-validated 失败 atlas → ./github_failure_atlas.md
• PnP / DLT 几何基础 → ./pnp_dlt_primer.md
• Aerial 实时 VIO 全家桶（VINS / OpenVINS / DROID 与 SVO 在 aerial 场景的对比） → ../../embodiments/aerial/vio/overview.md
• VINS-Fusion vs ORB-SLAM3 代码层对比 → ../../crossing/slam-vio-migration/orb_slam3_vs_vins_fusion_code_comparison.md
• IMU 预积分理论（SVO-Pro VI 用） → ../spatial-math/
• 3DGS-SLAM 后端（与 SVO 同 era 但走不同路） → ../3dgs-family/gs_slam_dissection.md
• Ontology v3 Semi-direct VO subdivision → ../../cheat-sheet/ontology.md §2

---

← Back to Classical SLAM · → ORB-SLAM3 dissection · → DSO dissection