基于单目热成像的ORB-SLAM3热像细化与深度估计
计算机视觉与模式识别
2026-03-17 v1 机器人学
摘要
在GPS不可用且视觉受损的环境中，无人机的自主导航仍面临挑战。为此，我们研究将单目热成像相机作为无人机平台上的独立传感器，用于实时深度估计和同时定位与制图（SLAM）。为从热像中提取深度信息，我们提出一种新型管道，采用轻量级监督网络集成循环块（RBs）以捕获时序依赖性，从而实现更稳健的预测。该网络将轻量级卷积主干与热像细化网络（T-RefNet）结合，用于细化原始热像输入并增强特征可见性。将细化后的热像和预测深度图集成到ORB-SLAM3中，实现仅用热像的定位。不同于以往方法，该网络在自定义非辐射计量数据集上训练，无需高成本辐射计量热像相机。实验结果表明，在数据集和无人机飞行测试中，本方法在深度精度和低光条件下的SLAM性能均表现出竞争力。在辐射计量VIVID++（室内暗光）数据集上，本方法的绝对相对误差约为0.06，而基线方法则超过0.11。在非辐射计量室内数据集中，基线误差保持在0.24以上，而本方法控制在0.10以下。仅用热像的ORB-SLAM3保持平均轨迹误差低于0.4米。
引用
@article{arxiv.2603.14998,
title = {Thermal Image Refinement with Depth Estimation using Recurrent Networks for Monocular ORB-SLAM3},
author = {Hürkan Şahin and Huy Xuan Pham and Van Huyen Dang and Alper Yegenoglu and Erdal Kayacan},
journal= {arXiv preprint arXiv:2603.14998},
year = {2026}
}
备注
8 pages, 8 figures, 2 table