对于单眼,立体和RGBD摄像头的规模感知密集动态SLAM
Nuo Cen1, Yi Xu1, Tuck-Whye Wong1,2
1School of Aeronautics and Astronautics, Zhejiang University, Hangzhou, 310027, China.
Scientific reports
|February 24, 2026
概括
SDMFusion为机器人提供强大的实时密集映射,即使在动态环境中也是如此. 这种规模意识的框架通过准确地绘制静态区域并拒绝动态对象来增强自主导航.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 同时定位和绘制 (SLAM)
背景情况:
- 准确的实时密集映射对于自主机器人导航至关重要.
- 现有的方法难以应对动态环境,通常依赖于单一的传感器类型,从而限制了强度.
研究的目的:
- 提出SDMFusion,一个通用的框架,用于实时,规模意识密集地图与动态稳定性.
- 在一个统一的系统中支持单眼,立体和RGB-D摄像头.
主要方法:
- 集成一个尺度深度优化模块来实现绝对尺度恢复和深度精细化.
- 使用几何约束和运动一致性实现动态特征拒绝模块.
- 使用实时反动态重建模块来生成高质量的静态地图.
主要成果:
- 与ORB-SLAM3和其他动态SLAM方法相比,SDMFusion显示出更高的准确性和稳定性.
- 该框架有效地消除了密集地图中的动态对象.
- 在多个基准数据集 (KITTI,TUM RGB-D,BONN RGB-D) 和现实世界的场景上进行了验证.
结论:
- SDMFusion为动态环境中的实时密集映射提供了强大而准确的解决方案.
- 拟议的框架通过生成静态环境的可靠地图来增强自主导航能力.


