高精度SLAM基准测试的时空标定与地面真值估计
机器人学
2025-12-09 v1
摘要
同时定位与制图（SLAM）在延伸现实（XR）应用中发挥着基本作用。随着XR沉浸式标准的不断提升，SLAM基准测试的需求也日益严格。轨迹精度是关键指标，基于marker-based光学运动捕捉（MoCap）系统生成的地面真值（GT）因其漂移自由且相对精确的测量而广泛使用。然而，MoCap-based GT的精度受到两个因素的限制：与测试设备（DUT）之间的时空标定以及MoCap测量本身的固有抖动。这些限制阻碍了准确的SLAM基准测试，尤其是对于关键指标如旋转误差和帧间抖动，后者对于沉浸式XR体验至关重要。本文提出了一种新颖的连续时间最大似然估计器，以解决这些挑战。该方法整合了辅助惯性测量单元（IMU）数据，以补偿MoCap抖动。此外，本文提出了一种可变时间同步方法以及基于螺旋齐性约束的姿态残差，使我们能够在多个传感器和DUT之间实现精确的时空标定。实验结果表明，我们的方法优于现有方法，实现了为XR应用中最先进SLAM算法进行全面基准测试所需的精度。进一步，通过对多个领先的XR设备和开源SLAM算法进行基准测试，我们充分验证了该方法的实用性。代码已公开available at https://github.com/ylab-xrpg/xr-hpgt.
引用
@article{arxiv.2512.07221,
title = {Spatiotemporal Calibration and Ground Truth Estimation for High-Precision SLAM Benchmarking in Extended Reality},
author = {Zichao Shu and Shitao Bei and Lijun Li and Zetao Chen},
journal= {arXiv preprint arXiv:2512.07221},
year = {2025}
}