P2U-SLAM: 一种基于点不确定性与位姿不确定性的单目大视场角 SLAM 系统
机器人学
2026-01-06 v2 计算机视觉与模式识别
图像与视频处理
摘要
本文提出了 P2U-SLAM，一种使用大视场角相机并利用位姿不确定性与点不确定性的视觉同时定位与建图 (SLAM) 系统。虽然大视场角使得历史地图点能够被大量重复观测，从而实现跨视角特征匹配，但在优化过程中，历史地图点的数据属性及历史关键帧的位姿已发生改变。忽视这种数据属性的变化会导致优化中缺失部分信息矩阵，增加长期定位性能退化的风险。我们的研究旨在缓解大视场角视觉输入给 SLAM 系统带来的风险。基于条件概率模型，本文揭示了上述数据属性变化对优化过程的确定影响，将其具体化为点不确定性与位姿不确定性，并给出了它们的具体数学形式。P2U-SLAM 将点不确定性嵌入跟踪模块，将位姿不确定性嵌入局部建图模块，并在每次优化操作（包括局部建图、地图合并和闭环检测）后更新这些不确定性。我们在两个流行的公开数据集的 27 个序列上对大视场角视觉输入进行了详尽的评估。与其他最先进的方法相比，P2U-SLAM 表现出优异的性能。源代码将在 https://github.com/BambValley/P2U-SLAM 公开发布。
引用
@article{arxiv.2409.10143,
title = {P2U-SLAM: A Monocular Wide-FoV SLAM System Based on Point Uncertainty and Pose Uncertainty},
author = {Yufan Zhang and Kailun Yang and Ze Wang and Kaiwei Wang},
journal= {arXiv preprint arXiv:2409.10143},
year = {2026}
}
备注
Accepted to IEEE Transactions on Intelligent Transportation Systems (T-ITS). The source code will be made publicly available at https://github.com/BambValley/P2U-SLAM