HexVIO: 利用Hexagon DSP实现高效立体惯性里程计，功耗降低67%

能否利用消费级设备中已有的Hexagon DSP加速立体惯性里程计，在不牺牲精度的前提下显著降低功耗？

视觉惯性里程计（VIO）在移动设备、XR和机器人上运行时功耗高、发热大，限制了全天候使用。现有低功耗方案依赖定制ASIC或FPGA，难以普及；GPU加速则功耗更高且可能与其他任务争抢资源。

此前的前端加速主要依赖GPU（如vilib、Jetson-SLAM、FastTrack、GLidE-SLAM），但GPU功耗高、热约束严格。定制硬件（如Navion ASIC、FPGA方案）能效极高但不可编程、不普及。少数尝试利用Hexagon DSP的工作（如Muffang的OpenVINS移植）要么速度不如CPU，要么不支持立体惯性融合、需要root权限或未开源。

HexVIO将Basalt的视觉前端（金字塔构建、FAST-9角点检测、稀疏逆合成KLT跟踪）整体移植到Hexagon V73 DSP上。关键创新包括：将每帧的多个前端阶段融合为一次FastRPC调用，减少通信开销；利用共享内存和DMA传输图像；将图像金字塔常驻在VTCM中，使向量gather指令能高效采样稀疏特征；跟踪阶段采用特征并行向量化（每车道一个特征，32特征一批），检测阶段采用像素并行。后端估计器仍运行在CPU上。

在三星Galaxy S23（Snapdragon 8 Gen 2, Hexagon V73）上，使用8个来自EuRoC、Monado SLAM Dataset、TUM-VI和自定义XREAL眼镜数据集的序列评估。未限速最大吞吐量时，HexVIO比CPU基线快1.65至2.38倍，例如MOO05序列从103.2 fps提升至206.3 fps。精度基本保持：6个有真值序列中4个ATE差异在0.4%以内，TR6改善2.9%（2.06 vs 2.00 cm），EMH03变差6%（6.05 vs 6.43 cm）。在限速至传感器帧率的功耗测试中，DSP B配置平均降低整机功耗35%（范围28%-43%），DSP L降低40%。40分钟MOO12序列上，CPU、DSP、DSP B、DSP L功耗分别为1.46、0.96、0.90、0.83 W，精度相同（ATE 0.67-0.68 m，RTE 7.7 mm）。0.83 W对应15 Wh电池约18小时跟踪。延迟方面，8个序列中CPU基线共错过342个截止帧，DSP B为21个，DSP L仅1个。

作者指出，实时摄像头数据直通DSP需要OEM签名代码，目前是未来工作；后端优化器是下一步目标。明显局限包括：仅在三星Galaxy S23单一设备上验证，未必适用于其他Hexagon版本；数据集从磁盘回放而非实时摄像头；功率测量依赖内部电量计，分辨率有限且可能存在系统偏差；未与同设备上的GPU加速对比；部分序列精度有轻微下降（EMH03 ATE差6%）；预印本未经同行评审。