面向视觉受损导航的深度学习驱动视觉SLAM
计算机视觉与模式识别
2026-04-10 v2 机器人学
摘要
尽管SLAM技术取得了进展，但在低纹理、运动模糊或恶劣光照等挑战性条件下仍难实现稳健运行。此类条件在视觉受损导航等应用中常见。这些挑战削弱了定位精度和跟踪稳定性，降低了导航的可靠性和安全性。为克服这些限制，我们提出SELM-SLAM3，一个深度学习增强的视觉SLAM框架，集成SuperPoint和LightGlue实现稳健的特征提取与匹配。我们使用TUM RGB-D、ICL-NUIM和TartanAir数据集进行评估，数据集包含多样且挑战性的场景。SELM-SLAM3相较于传统ORB-SLAM3平均提升87.84%，超越最新RGB-D SLAM系统36.77%。该框架在挑战性条件（如低纹理场景和快速运动）下表现出增强性能，为开发视觉受损导航系统提供了可靠平台。
引用
@article{arxiv.2510.20549,
title = {Deep Learning-Powered Visual SLAM Aimed at Assisting Visually Impaired Navigation},
author = {Marziyeh Bamdad and Hans-Peter Hutter and Alireza Darvishy},
journal= {arXiv preprint arXiv:2510.20549},
year = {2026}
}
备注
8 pages, 7 figures, 4 tables. Published in the Proceedings of the 20th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISIGRAPP 2025), VISAPP