VAR-SLAM：用于动态环境的视觉自适应鲁棒 SLAM
机器人学
2025-10-21 v1
摘要
动态环境下的视觉 SLAM 仍具有挑战性，因为多个现有方法依赖仅处理已知对象类的语义过滤，或使用无法适应未知移动对象的固定鲁棒核，导致在场景中出现这些对象时准确度下降。我们提出了 VAR-SLAM (Visual Adaptive and Robust SLAM)，一个基于 ORB-SLAM3 的系统，将轻量级语义关键点过滤器用于处理已知移动对象，又结合 Barron 的自适应鲁棒损失用于处理未知对象。鲁棒核的形状参数可从残差在线估计，使系统能够自动在高斯和重尾行为之间进行调整。我们在 TUM RGB-D、Bonn RGB-D Dynamic 和 OpenLORIS 数据集上对 VAR-SLAM 进行评估，这些数据集包含已知和未知移动对象。结果表明，VAR-SLAM 在轨迹准确性和鲁棒性方面优于最先进的基准方法，在具有挑战性的序列上相比 NGD-SLAM 的 ATE RMSE 最高可降低 25%，同时保持平均 27 FPS 的性能。
引用
@article{arxiv.2510.16205,
title = {VAR-SLAM: Visual Adaptive and Robust SLAM for Dynamic Environments},
author = {João Carlos Virgolino Soares and Gabriel Fischer Abati and Claudio Semini},
journal= {arXiv preprint arXiv:2510.16205},
year = {2025}
}
备注
Code available at https://github.com/iit-DLSLab/VAR-SLAM