GeneA-SLAM2：结合自编码器预处理遗传关键点重采样与深度方差引导动态区域去除的动态 SLAM
计算机视觉与模式识别
2026-04-03 v1 机器人学
摘要
现有的动态环境语义 SLAM 主要通过目标检测或语义分割方法来识别动态区域。然而，在某些高度动态的场景中，检测框或分割掩码无法完全覆盖动态区域。因此，本文提出了一种鲁棒且高效的 GeneA-SLAM2 系统，利用深度方差约束来处理动态场景。我们的方法通过深度方差提取动态像素，并创建精确的深度掩码以指导动态物体的去除。同时，使用自编码器重建关键点，改进了遗传重采样关键点算法，以获得分布更均匀的关键点并提高位姿估计的准确性。我们的系统在多个高度动态序列上进行了评估。结果表明，与当前方法相比，GeneA-SLAM2 在动态场景中保持了高精度。代码获取地址：https://github.com/qingshufan/GeneA-SLAM2。
引用
@article{arxiv.2506.02736,
title = {GeneA-SLAM2: Dynamic SLAM with AutoEncoder-Preprocessed Genetic Keypoints Resampling and Depth Variance-Guided Dynamic Region Removal},
author = {Shufan Qing and Anzhen Li and Qiandi Wang and Yuefeng Niu and Mingchen Feng and Guoliang Hu and Jinqiao Wu and Fengtao Nan and Yingchun Fan},
journal= {arXiv preprint arXiv:2506.02736},
year = {2026}
}