基于双视图的回环检测：通过单目先验重新审视可扩展轨迹估计的位姿图优化
机器人学
2025-10-31 v2
摘要
（视觉）同时定位与建图（SLAM）仍然是使自主系统能够导航和理解大规模环境的一项根本挑战。传统SLAM方法难以平衡效率与准确性，特别是在大规模场景中，场景重建和光束法平差（BA）需要大量的计算资源。然而，这种以视觉路标稀疏点云形式呈现的场景重建通常仅在SLAM系统内部使用，因为导航和规划方法需要不同的地图表示。因此，在本研究中，我们研究了一种无需重建的、更具可扩展性的视觉SLAM（VSLAM）方法，主要基于双视图回环检测方法。通过将地图限制为没有密集几何表示的稀疏关键帧位姿图，我们的“2GO”系统实现了高效优化，并具有竞争力的绝对轨迹精度。特别是，我们发现图像匹配和单目深度先验的最新进展使得在没有BA的情况下也能进行非常准确的轨迹优化。我们在包括大规模场景在内的多样化数据集上进行了广泛实验，并对运行时间、准确性和地图大小之间的权衡进行了详细分析。我们的结果表明，这种精简的方法支持实时性能，在地图大小和轨迹持续时间方面具有良好的可扩展性，并有效扩展了VSLAM在长时间部署于大型环境中的能力。
引用
@article{arxiv.2503.16275,
title = {Loop Closure from Two Views: Revisiting PGO for Scalable Trajectory Estimation through Monocular Priors},
author = {Tian Yi Lim and Boyang Sun and Marc Pollefeys and Hermann Blum},
journal= {arXiv preprint arXiv:2503.16275},
year = {2025}
}