面向动态环境的特征感知智能直线辅助 SLAM：IL-SLAM
机器人学
2025-09-04 v1
摘要
视觉同步定位与地图构建(SLAM)是自动化系统的关键技术。传统SLAM方法基于静态环境假设，难以处理复杂动态环境。近期动态SLAM系统利用几何约束和深度学习去除动态特征，但导致后续SLAM过程剩余特征不足的新挑战。现有方法通过持续引入额外直线和平面特征来补充点特征，实现鲁棒跟踪与姿态估计。然而，当前方法不论必要性持续引入额外特征，引发两个问题：不必要的计算开销以及因累积低质量特征和噪声导致的性能潜在下降。为此，本文提出特征感知机制，评估当前特征是否足以确定直线特征支持是否激活。该决策机制使系统仅在必要时引入直线特征，显著降低额外特征的计算复杂度，同时最小化低质量特征和噪声的引入。在后续处理中，引入的直线特征通过跟踪、局部映射和闭环获取更好的初始相机姿态，但在全局优化中被排除，以避免长期过程中的负面影响。大量实验表明，在TUM数据集上，与ORB-SLAM3基线及其他动态SLAM和多特征方法相比，IL-SLAM在ATE和RPE指标上实现显著提升。
引用
@article{arxiv.2509.02972,
title = {IL-SLAM: Intelligent Line-assisted SLAM Based on Feature Awareness for Dynamic Environments},
author = {Haolan Zhang and Thanh Nguyen Canh and Chenghao Li and Ruidong Yang and Yonghoon Ji and Nak Young Chong},
journal= {arXiv preprint arXiv:2509.02972},
year = {2025}
}
备注
submitted to International Conference on Robotic Computing and Communication(IEEE IRC)