OpenNavMap：基于大规模协作定位的无结构拓扑度量建图
机器人学
2026-01-21 v1 计算机视觉与模式识别
摘要
可扩展且可维护的地图表示是实现大规模视觉导航和促进机器人在真实环境中部署的基础。虽然跨多会话建图的协作定位提高了效率，但传统的基于结构的方法维护成本高，且在无特征环境或众源数据典型的显著视角变化下会失效。为解决此问题，我们提出 OPENNAVMAP，一个轻量级、无结构的拓扑度量系统，利用 3D 几何基础模型进行按需重建。我们的方法统一了基于动态规划的序列匹配、几何验证和置信度校准优化，以实现鲁棒、由粗到精的子图对齐，无需预先构建 3D 模型。在 Map-Free 基准上的评估表明，其精度优于运动恢复结构和回归基线，平均平移误差为 0.62m。此外，该系统在 15km 的多会话数据上保持全局一致性，地图合并的绝对轨迹误差低于 3m。最后，我们通过在仿真和实体机器人上成功执行 12 次自主图像目标导航任务，验证了其实用性。代码和数据集将在 https://rpl-cs-ucl.github.io/OpenNavMap_page 公开。
引用
@article{arxiv.2601.12291,
title = {OpenNavMap: Structure-Free Topometric Mapping via Large-Scale Collaborative Localization},
author = {Jianhao Jiao and Changkun Liu and Jingwen Yu and Boyi Liu and Qianyi Zhang and Yue Wang and Dimitrios Kanoulas},
journal= {arXiv preprint arXiv:2601.12291},
year = {2026}
}
备注
21 pages, 20 figures