面向单目SLAM的森林场景视觉外观分析

单目同时定位与建图（SLAM）是一种廉价且节能的方式，可使无人机（UAV）安全导航人工林并收集对监测树木健康至关重要的数据。然而，SLAM研究大多在结构化人类环境中进行，因此很难适应非结构化森林。在本文中，我们比较了最先进的单目SLAM系统在森林数据上的性能，并利用视觉外观统计来刻画森林与其他环境（包括照片级真实感模拟森林）之间的差异。我们发现，除最简明的森林地形外，SLAM系统在所有地形上均表现不佳，并识别出将森林场景与“经典”城市场景数据集区分开的关键属性（光照变化与场景内运动）。这些差异揭示了是什么使森林更难建图，并为有针对性的改进开辟了道路。我们还证明，即使看起来令人类印象深刻的模拟，也可能无法正确反映其所模拟环境的困难属性，并提供了更紧密模仿自然场景的建议。