整体架构：典型的自监督特征点检测与描述网络。检测头通过网格划分和 depth_to_space 高效输出全分辨率概率图；描述头在低分辨率特征图上采样并归一化。损失函数：检测损失使用二分类交叉熵，仅监督网格内是否存在兴趣点，缺少偏移量监督；描述损失使用基于单应性的对比损失。这种设计可能依赖于特殊的数据预处理或网络收敛特性，实际使用时需谨慎验证。代码风格：TensorFlow 1.x 风格，使用 tf

ov_msckf 里同时做跟踪 + 滤波。…配置：config//estimator_config.yaml + kalibr_*.yaml。：image_processor（纯视觉）+ vio（纯滤波）。：msckf_vio/CameraMeasurement（已跟踪好的特征坐标）。：Kalibr 导出的 camchain-imucam-euroc.yaml，经 rosparam load。