城市尺度下以戴夫视觉-惯性 SLAM 的基准测试
计算机视觉与模式识别
2025-10-01 v1 机器人学
摘要
来自佩戴式设备的精准 6 自由度同时定位与地图构建 (SLAM) 对捕获环视数据至关重要，这类数据具有特定挑战：运动与视角的差异更大、动态视觉内容更普遍、长时间运行期间传感器标定可能变化。尽管近期 SLAM 研究取得快速进展，但学术界仍依赖那些未涵盖这些挑战或未提供足够精确真值姿态的基准测试。在本文中，我们引入了新的数据集与基准，用于环视、多模态的视觉-惯性 SLAM。我们使用佩戴式类眼镜设备记录了数小时、数公里的城市中心轨迹，利用测量工具获取作为间接姿态标注的控制点——这些标注是度量级的、厘米级精确，且可在城市尺度上提供。由此可以评估涵盖夜间行走或乘车等极端轨迹的系统。我们指出，学术界开发的 SOTA 系统对这些挑战鲁棱性不足，并指出导致此问题的关键组件。此外，我们设计了不同难度的轨迹，以便深入分析与评估更不成熟的方法。数据集与基准已公开于 https://www.lamaria.ethz.ch
关键词
引用
@article{arxiv.2509.26639,
title = {Benchmarking Egocentric Visual-Inertial SLAM at City Scale},
author = {Anusha Krishnan and Shaohui Liu and Paul-Edouard Sarlin and Oscar Gentilhomme and David Caruso and Maurizio Monge and Richard Newcombe and Jakob Engel and Marc Pollefeys},
journal= {arXiv preprint arXiv:2509.26639},
year = {2025}
}
备注
ICCV 2025