Thegra：基于图的热成像SLAM
计算机视觉与模式识别
2026-02-10 v1
摘要
热成像为视觉SLAM在低照明、烟雾或恶劣天气等视觉降解环境中提供了实用的感知方式。然而，热成像常呈现低纹理、低对比度和高噪声，导致基于特征的SLAM变得复杂。本文提出一种用于热成像的稀疏单目图基SLAM系统，利用通用学习特征——SuperPoint 检测器和 LightGlue 匹配器，这些特征在大规模可见光谱数据上训练，旨在提升跨域泛化能力。为适配热成像数据，我们引入预处理流程以提高输入适用性，并修改核心SLAM模块以处理稀疏且易受离群值影响的特征匹配。进一步将SuperPoint的关键点置信度得分纳入置信度加权因子图，以提升估计鲁棒性。在公开热成像数据集上的评估表明，所提系统无需针对数据集进行特定训练或微调，即可实现可靠性能，由于高质量热成像数据的稀缺。代码将在论文发表后公开。
关键词
引用
@article{arxiv.2602.08531,
title = {Thegra: Graph-based SLAM for Thermal Imagery},
author = {Anastasiia Kornilova and Ivan Moskalenko and Arabella Gromova and Gonzalo Ferrer and Alexander Menshchikov},
journal= {arXiv preprint arXiv:2602.08531},
year = {2026}
}