基于多平衡基与置信度的深度补全用于稠密单目 SLAM
计算机视觉与模式识别
2025-03-10 v3
摘要
基于单目相机的稠密 SLAM 在 AR/VR 领域确实具有巨大应用价值，尤其在移动设备上运行时。本文提出一种新方法，将轻量深度补全网络通过多基深度表示集成到稀疏 SLAM 系统中，从而即使在手机上也能在线执行稠密建图。具体而言，我们提出一个专门优化的多基深度补全网络，称为 BBC-Net，其针对传统稀疏 SLAM 系统的特性量身打造。BBC-Net 可从单目图像及由现成基于关键点的 SLAM 系统生成的稀疏点预测多个平衡基与一张置信度图。最终深度为预测深度基的线性组合，可通过调整相应权重进行优化。为将权重无缝纳入传统 SLAM 优化并确保效率与鲁棒性，我们设计了一组深度权重因子，使我们的网络成为通用插件模块，便于轻松集成到各类现有稀疏 SLAM 系统中，并通过光束法平差显著提升全局深度一致性。为验证方法可移植性，我们将 BBC-Net 集成到两个代表性 SLAM 系统。在多个数据集上的实验结果表明，所提方法在单目稠密建图上优于当前最优（SOTA）方法。我们提供了在手机上运行的在线演示，验证了该方法在真实场景中的效率与建图质量。
引用
@article{arxiv.2309.04145,
title = {Depth Completion with Multiple Balanced Bases and Confidence for Dense Monocular SLAM},
author = {Weijian Xie and Guanyi Chu and Quanhao Qian and Yihao Yu and Hai Li and Danpeng Chen and Shangjin Zhai and Nan Wang and Hujun Bao and Guofeng Zhang},
journal= {arXiv preprint arXiv:2309.04145},
year = {2025}
}