HS-SLAM：基于结构监督的混合表示用于改进稠密 SLAM
计算机视觉与模式识别
2025-03-28 v1
摘要
NeRF 基于的 SLAM 方法最近在跟踪和重建方面取得了令人鼓舞的成果。然而，现有方法面临场景表示不足、难以捕获结构信息以及在场景出现显著运动或被遗忘时难以保持全局一致性等挑战。为此，我们提出 HS-SLAM 以解决这些问题。为增强场景表示能力，我们提出一种混合编码网络，将哈希网格、三平面和单 Blob 的互补优势相结合，提高重建的完整性和平滑性。此外，我们引入结构监督，通过对非局部像素的 patch 进行采样而非单个光线，以更好地捕获场景结构。为确保全局一致性，我们实现了主动全局束调整（BA），以消除相机漂移并缓解累积误差。实验结果表明，HS-SLAM 在跟踪和重建精度上优于基线方法，同时保持满足机器人应用效率要求。
引用
@article{arxiv.2503.21778,
title = {HS-SLAM: Hybrid Representation with Structural Supervision for Improved Dense SLAM},
author = {Ziren Gong and Fabio Tosi and Youmin Zhang and Stefano Mattoccia and Matteo Poggi},
journal= {arXiv preprint arXiv:2503.21778},
year = {2025}
}
备注
ICRA 2025. Project Page: https://zorangong.github.io/HS-SLAM/