跟踪翻译中的迷失：以人为中心的 XR 与 IoT 生态系统中视觉 SLAM 的综合分析
机器人学
2025-07-21 v2 计算机视觉与模式识别
摘要
跟踪算法的进步推动了各个领域中新兴应用的发展，从引导自动驾驶汽车、指导机器人到增强用户的增强现实体验。然而，这些算法针对特定应用，无法适用于具有不同运动类型的应用；即使是为特定应用设计的跟踪算法，在偏离高度标准条件的场景中也无法工作。例如，为建筑物内机器人导航设计的跟踪算法，无法用于在室外环境中跟踪同一机器人。为证明这一问题，我们在各种应用和场景中评估了最先进跟踪方法的性能。为指导分析，我们首先对跟踪算法面临的算法、环境和运动相关挑战进行分类。我们使用多种跟踪算法和代表性数据集，对广泛的物联网 (IoT) 和扩展现实 (XR) 应用（包括自动驾驶汽车、无人机和人类）进行定量性能评估。分析表明，没有任何跟踪算法能在不同应用及应用内的不同场景中通用。最后，基于分析获得的洞见，我们探讨了通过输入数据表征、利用中间信息和输出评估来提高跟踪性能的多种方法。
引用
@article{arxiv.2411.07146,
title = {Lost in Tracking Translation: A Comprehensive Analysis of Visual SLAM in Human-Centered XR and IoT Ecosystems},
author = {Yasra Chandio and Khotso Selialia and Joseph DeGol and Luis Garcia and Fatima M. Anwar},
journal= {arXiv preprint arXiv:2411.07146},
year = {2025}
}