Good Weights：用于连续且鲁棒视觉SLAM的主动式自适应航位推算融合
机器人学
2025-09-30 v1
摘要
鉴于视觉SLAM依赖外观线索进行定位和场景理解，缺乏纹理或视觉退化的环境（例如，素色墙壁或低光照）会导致位姿估计不佳和轨迹丢失。然而，机器人通常配备的传感器能提供某种形式的航位推算里程计，其短期性能尚可但长期性能不可靠。本文描述的Good Weights（GW）算法提供了一个框架，用于自适应地融合航位推算（DR）与被动视觉SLAM，以实现连续且准确的帧级位姿估计。重要的是，它描述了如何修改一个综合SLAM系统中的所有模块，以将DR纳入其设计。自适应加权在视觉跟踪不可靠时增加DR的影响，并在视觉特征信息丰富时减少其影响，从而在不过度依赖DR的情况下维持位姿跟踪。Good Weights为移动导航提供了一个实用的解决方案，提高了视觉SLAM的性能和鲁棒性。在收集的数据集和真实世界部署上的实验证明了Good Weights的优势。
引用
@article{arxiv.2509.22910,
title = {Good Weights: Proactive, Adaptive Dead Reckoning Fusion for Continuous and Robust Visual SLAM},
author = {Yanwei Du and Jing-Chen Peng and Patricio A. Vela},
journal= {arXiv preprint arXiv:2509.22910},
year = {2025}
}
备注
8 pages, 9 figures, 1 table. Submitted to IEEE Conference