SCE-SLAM：基于场景坐标嵌入的尺度一致单目 SLAM
计算机视觉与模式识别
2026-01-15 v1
摘要
单目视觉 SLAM 能够从互联网视频和资源受限平台上的自主导航中实现三维重建，但存在尺度漂移问题，即长序列中估计尺度逐渐发散。现有的帧间方法通过局部优化实现实时性能，但由于独立窗口之间缺乏全局约束而累积尺度漂移。为解决此问题，我们提出 SCE-SLAM，一种端到端的 SLAM 系统，通过场景坐标嵌入保持尺度一致性。场景坐标嵌入是学习到的图块级表示，在规范尺度参考下编码三维几何关系。该框架包含两个关键模块：几何引导聚合，利用三维空间邻近性，通过几何调制注意力从历史观测中传播尺度信息；以及场景坐标束调整，通过从场景坐标嵌入解码出的显式三维坐标约束，将当前估计锚定到参考尺度。在 KITTI、Waymo 和 vKITTI 上的实验展示了显著改进：与之前最佳方法相比，我们的方法在 KITTI 上将绝对轨迹误差降低了 8.36 米，同时保持 36 FPS 并实现了大规模场景下的尺度一致性。
引用
@article{arxiv.2601.09665,
title = {SCE-SLAM: Scale-Consistent Monocular SLAM via Scene Coordinate Embeddings},
author = {Yuchen Wu and Jiahe Li and Xiaohan Yu and Lina Yu and Jin Zheng and Xiao Bai},
journal= {arXiv preprint arXiv:2601.09665},
year = {2026}
}