KFS$^4$LAM:内镜高斯泼溅 SLAM 的自适应关键帧选择与结构感知映射
KFS$^4$LAM 通过运动引导的关键帧选择与解剖轮廓监督的密度感知映射,解决了结肠镜中非均匀运动和重复解剖导致的建图难题。在 C3VD-v2 数据集上,该方法相比 SplaTAM 基线将旋转相对位姿误差降低 20.3%,深度 RMSE 减少 38.4% 且 PSNR 提升 0.78 dB。代码与可视化结果已在相关链接公开,框架亦验证了不依赖单一 SLAM 架构的跨骨干网能力。
KFS$^4$LAM 通过运动引导的关键帧选择与解剖轮廓监督的密度感知映射,解决了结肠镜中非均匀运动和重复解剖导致的建图难题。在 C3VD-v2 数据集上,该方法相比 SplaTAM 基线将旋转相对位姿误差降低 20.3%,深度 RMSE 减少 38.4% 且 PSNR 提升 0.78 dB。代码与可视化结果已在相关链接公开,框架亦验证了不依赖单一 SLAM 架构的跨骨干网能力。
论文提出了 RoboAtlas 框架,利用可扩展的 OpenRoboVox 3D 语义映射系统,自适应平衡几何探索与语义推理。系统在仿真及 Unitree Go2 机器人上测试,覆盖超 1800 平方米环境并映射约 3 万个语义实例,任务成功率达 100%。
针对细结构分割中标准表示破坏连通性的问题,论文提出 SEMIR 框架,用参数化图小生替代像素网格,将百万级像素收缩为边界对齐的超节点,实现全分辨率推理。该方法在 TTPLA、CrackSeg9k 和 SkyScapes Lane 数据集上,Dice、IoU 及边界 F1 指标匹配或超越专用基线,且掩码碎片化减少至少 4.6 倍。材料为预印本,未报告真实机器人部署结果。
该研究开发了一个专注于结构从运动(SfM)的基准,旨在平衡运行效率与新视角合成所需的姿态估计精度。实验表明,仅使用更少特征即可加速经典方法并保持高精度,而利用前馈网络获取初值再经经典技术优化则实现了最佳权衡。相关基准与代码已公开,论文被 ECCV 2026 工作坊接收。
针对水下环境光吸收与散射导致的低能见度问题,本文提出基于物理衰减原理的解耦 RGB 通道学习框架以恢复色彩,并引入自适应加权帧插值策略解决稀疏视角下的视图一致性问题。新方法通过降低噪声同时保留边缘,在深潜内容重建中表现鲁棒,PSNR 提升最高达 1.90dB。作者开源了 RUSplatting 代码及专门采集的 Submerged3D 水下数据集。
针对传统卡尔曼滤波在远距离和遮挡场景下因运动模型失配导致的状态漂移问题,本文提出一种运动动力学卡尔曼滤波(MD-KF)。该方法通过时间建模捕捉物体运动变化并自适应调整运动分量贡献,以修正预测漂移,同时保留单模型结构以维持计算效率。
推荐理由:提出单模型结构的运动动力学卡尔曼滤波,在保持效率的同时提升远距离与遮挡场景下的跟踪精度。
该方法提出针对多层地形的路径规划新方案,通过多级跳表预处理点云、车辆与点云交互直接获取局部通行指数,并构建加权连通图辅助改进的 A*算法生成短且安全的路径。实验在多层建筑、林地及崎岖山地等室内外环境验证,证明其能有效解决地面车辆的三维路径规划问题。
针对体育赛事中运动员高速运动及相机快速变焦导致的跟踪难题,本文提出 ARC-SORT 算法。该方法无需训练即可实时运行,核心在于利用卡尔曼滤波预测协方差动态调整匹配区域(EIoU),并在轨迹交叉后仅凭外观证据进行身份修正。
针对缺乏独立次表面真值验证无标记术中追踪方法的缺口,该管线利用常规 C 臂透视图像结合多模态标志物阵列,无需额外辐射或器械即可推导椎体位姿。体外实验在绵羊颈椎上证实端到端精度为 2.06±0.29 mm 和 3.35±0.93°,足以作为误差较大方法的独立基准。该框架已在涵盖 11 个椎体的三个手术序列(共 1,500 帧)中评估两种无标记配准策略,为真实手术数据提供了可复用的基准基础设施。
CLAD 提出一种基于全局几何上下文的关键点匹配方法,通过 HOME 检测线性结构并构建线与关键点关联以解决重复纹理场景下的匹配难题。在 TUM RGB-D SLAM 数据集及户外视频序列的评估中,该方法提供了与传统局部描述子互补且几何一致的匹配结果。算法计算轻量、易于实现,适用于计算机视觉与机器人领域。
本文介绍了一种利用单目光学流进行视觉安全认证的范式,该方法不依赖障碍物位置、速度或几何的重建。系统通过在线并发学习观测器估计归一化相对速度并给出误差边界,将其传播至碰撞锥以生成鲁棒视觉碰撞锥控制屏障函数(RV-C3BF)。
GeoPano 是一种面向机器人和 AR/VR 的单视图全景三维重建前馈框架,通过全景感知注意力聚合器与混合监督策略解决球面畸变及跨视图不一致问题。实验显示该方法在重建精度、几何一致性和视觉保真度上显著优于现有最先进方法。代码与论文状态为 arXiv 预印本(arXiv:2610.21297),尚未通过同行评审或正式出版。
针对噪声匹配点下的可靠图像几何估计问题,现有 RANSAC 范式多为残差中心且分阶段处理,难以平衡分布优化与几何细化。本文提出 DLOSAC 框架,构建候选内点的 Delaunay 三角剖分以编码邻域拓扑,引入基于边的几何一致性度量及源自三角形面积和边属性的空间分布描述符,结合传统点级约束提升参数质量。该方法在涵盖三种几何估计任务的六个公开真实世界数据集上取得最先进性能。
推荐理由:提出 DLOSAC 框架,通过 Delaunay 三角剖分联合优化几何一致性与空间分布,在六个公开数据集上实现最先进性能。
针对现有点云分割网络每帧从头处理的低效问题,论文提出 SpaceCache 这一无需训练的中间特征缓存机制。该方法利用连续帧间深层特征的语义一致性,使已观测区域的 token 跳过部分 Transformer 块直接复用缓存特征,仅计算剩余 token 并恢复完整布局以支持稠密预测。
论文提出 LIN-SLAM,这是一种结合高频几何激光雷达惯性估计与神经隐式跟踪、持续建图和全局优化的混合方法。在十二组涵盖不同通道数的数据集序列实验中,该方法在保持最优定位精度的同时显著降低了运行时间。
arXiv 论文提出一种名为 Line-Augmented cuVSLAM 的 CUDA 加速视觉 SLAM 系统,通过引入线特征(Plücker 坐标参数化)来增强在缺乏点特征的仓库等低纹理环境中的定位能力。
推荐理由:该工作提出线特征增强的 cuVSLAM,在低纹理仓库环境中将轨迹误差降低约 38.5%。
该方法通过全局优化瑞利天空模型,利用焦平面分割偏振相机测量数据估计车辆航向。实验基于三组搭载车顶偏振相机及高精度双天线 GNSS/INS 参考系统的城市道路轨迹,结果显示 RMS 偏航误差介于 0.718°至 0.889°之间。相比代表性特征与模型方法,该方案将 RMS 航向误差降低最高达 87%,并提升了部分天空遮挡下的鲁棒性。
针对预训练视觉语言模型微调后的导航策略成功率低的问题,该研究诊断出核心瓶颈在于未能有效进行目标定位(goal grounding)。作者提出 StopWatch 方法显式地对导航目标进行定位,显著提升了任务成功率并在六个基准测试中达到最先进水平。
推荐理由:该工作诊断出目标定位是导航策略失败的主因,通过显式 grounding 在六个基准上达到 SOTA 并修正了标注缺陷。
论文提出了 CoTL 框架,旨在从非位姿的多视图图像中学习一组紧凑令牌以保留场景几何和外观信息。该编码器将输入图像压缩为每个视图的小规模潜在令牌集,并通过跨视图聚合形成视图一致的场景表示。
推荐理由:提出 CoTL 框架,通过紧凑令牌学习实现无位姿多视图图像的 3D 高斯场景重建与生成。
论文提出 MvFFN 模型与 ZInD-CrossView 数据集,旨在从稀疏、无位姿的宽基线 RGB 全景图中重建相机位姿和平面图。方法核心在于局部预测:每个全景图列仅预测其观测到的墙体及顺时针相邻的两面墙,再通过确定性聚合生成全局坐标一致的跨房间布局。该方法在墙体与连接点精度上优于现有基准,且论文已获 NeurIPS 2026 接收。
CLON 是一种无需训练的前端方法,将多视图 CAD 渲染图转化为紧凑语言记忆以增强通用提示词,并通过模板验证分配物体身份。该方法在七个 BOP-Classic-Core 数据集上将检测 AP 提升 8.2 个百分点、分割 AP 提升 6.2 个百分点,下游姿态 AR 最高提升 4.1 个百分点;在包含遮挡与杂乱的真实定位抓取研究中,其成功率是强基线的两倍。
该论文提出 All-St3R SLAM 框架,旨在解决现有动态 SLAM 存在的过度去除和计算成本高问题。系统结合 DUSt3R 的自运动预测与 All-Tracker 的点跟踪结果,仅分析两者差异来移除当前运动的像素区域,允许暂时静止部分用于跟踪。
推荐理由:该工作提出无需预定义标签的像素级运动掩膜方法,在仅用 RGB 输入下实现约 10 FPS 实时动态 SLAM,优于现有稠密方法。
该论文针对严重物理感知退化场景下非凸状态估计中凸半定规划松弛的秩膨胀难题,建立了无需直接求解半定问题的候选驱动对偶认证框架。研究证明了在等成本面展开时成本紧性与乘子恢复依然有效,并提出了基于解重映射的可观测性感知局部搜索及闭式双乘子恢复方案,延迟低于微秒级。
该论文提出一种分层分辨率体素映射机制,将 LiDAR 数据同时整合为两种分辨率:机器人当前计划走廊内采用精细分辨率,其余区域采用粗糙分辨率。与传统导航管线不同,该方法建立反馈回路,让规划过程动态指导信息在不同叶节点的整合。
推荐理由:提出分层分辨率体素映射机制,在保持路径规划成本的同时显著降低存储与计算开销。
该研究针对 cuVSLAM 中视觉与 IMU 残差融合权重固定、无法运行时自适应的问题,引入标量因子 alpha 调整视觉信息矩阵权重。实验发现性能呈现两个经验区域:IMU-TRUST(alpha=1,2)和 VISION-TRUST(alpha=10,20),中间值 alpha=5 为过渡区。
推荐理由:提出轻量级视觉质量估计器,通过自适应调整 cuVSLAM 中视觉与 IMU 的权重分配,在 EuRoC MAV 和 TUM-VI Room 数据集上显著降低轨迹误差。
针对冰下 AUV(Icefin)视频进行 3D 结构重建不准确的问题,本文测试了四种模型:经典特征匹配 SfM、可微光度泼溅、体素深度融合和无姿态前馈基础模型。结果显示四者均失败且表现各异,但一致归因于小相机基线与场景深度的比率。作者据此提出了一种检测系统,可在几分钟内标记此类失效,避免浪费计算资源。
推荐理由:作者测试了四种重建模型在冰下视频上的失败模式,并提出了一种可在几分钟内检测此类失效的检测系统。
该论文提出了 SAM3RL,一种针对 Segment Anything Model 3 的扩展,通过强化学习训练轻量级控制器来优化视频对象分割中的记忆管理策略。
推荐理由:提出用强化学习训练轻量级控制器优化 SAM3/SAM2 的记忆管理,在多项基准上超越手工规则且无运行时开销。
HyperLoop 是首个将高光谱成像集成至基于 3D Gaussian Splatting 的 SLAM 系统闭环模块的框架。该研究在 DLR 的月球 - 火星户外测试场(MMOTS)利用包含四段穿越任务的定制数据集进行验证,发现红近红外波段(600-860 nm)对岩石地形判别力有限。
该方法利用对偶数四元数表示旋转与平移,构建二次误差函数并通过信任域优化实现最小化。实验表明其在图像噪声和匹配误差下比牛顿法、Faugeras-Toscani 线性方法及 Levenberg-Marquardt 非线性优化更具鲁棒性。论文为 arXiv:2610.19734v1,计划发表于《国际计算机视觉杂志》。
针对现有前馈模型无法处理长序列累积误差、流式模型无法修正早期估计的局限,本文提出 SMORE 框架,通过引入受生物海马体启发的可修订外部记忆机制,使冻结的几何基础模型具备存储、检索、验证及修正观测的能力。
论文分析了检测器架构、模型规模、场景密度和推理机制对视频多行人跟踪的影响。研究在 MOT17、MOT20 和 SOMPT22 基准数据集上,对比了 YOLO11、RT-DETR 和 YOLO26 系列检测器与 ByteTrack、BoT-SORT 追踪器的组合效果。
针对北极冰下环境视觉特征稀疏与感知条件恶化的挑战,该基准利用 MOSAiC 科考真实数据及 Unreal Engine 水下机器人仿真器生成的合成数据,评估基于运动恢复结构(SfM)和单目深度估计的冰下三维重建性能。研究通过跨模态配准技术实现与向上凝视多波束声纳的定量对比,旨在弥补声学传感器缺乏光谱和高纹理信息的局限,为海洋 - 冰层 - 大气热交换模型及冰下栖息地监测提供关键数据支撑。
该论文提出 Tread 视觉惯性框架,通过胸戴相机和下肢 IMU 连接地形、运动模式、步态相位及速度的估计。
论文 RingNav 提出了一种参数仅为 10.6k 的视觉航向估计器,其核心创新在于将记忆约束在圆流形 S^1 上,仅学习连续图像间的转向量并在圆周上直接合成航向。
10 月 11 日,NASA“毅力号”火星车完成一次长距离驱动,累计行驶里程达 28.10 英里(45.22 公里),刷新火星探测器历史纪录。该成就主要归功于其自主导航系统(AutoNav)的升级,使车辆能以高达每小时 120 米的速度在地球控制下实现约 90% 的自主驾驶时间。
arXiv 论文介绍了一种名为 CLIDD 的方法,旨在为机器人导航和增强现实等空间智能任务提供鲁棒的局部特征表示。该方法通过直接从独立的特征层次结构中采样来实现卓越的区分度,利用可学习偏移量捕捉多尺度下的细粒度结构细节,无需构建统一稠密特征图从而消除内存和计算开销。
针对地下隧道等充满烟尘导致激光雷达(LiDAR)可靠性下降的场景,本文提出一种无需标注数据的单类学习框架,通过 LSTM 自编码器建模正常工况下的时空特征演化以检测传感器退化。
arXiv 发布了一篇关于 3D Gaussian Splatting 改进方法的研究论文。该方法在固定预算的 MCMC 框架下,通过误差驱动而非不透明度采样实现更优重建效果。
推荐理由:该方法在固定预算的 MCMC 框架下,通过误差驱动而非不透明度采样实现更优重建效果。
针对合成数据主导的现状,该研究构建了基于工程 CAD 数据的真实世界基准数据集,并开发了图线搜索、多视图两种规则方法及 UV-Net、AAGNet 等学习模型。实验表明,无训练数据时规则方法泛化良好且分别侧重召回率与精确度,而学习方法在充足标注下性能强但域偏移鲁棒性下降。研究揭示了数据需求与鲁棒性的权衡,为真实 CAD 分割任务提供指导。
针对未知杂乱环境中的毫秒级避障需求,本文提出一种无需预处理的 GPU 加速无图欧几里得符号距离场(ESDF)查询方法,直接基于深度图像进行运算。实验显示该方法在嵌入式设备上比体素网格配置更准确且延迟更低。集成到模型预测控制器后,仿真测试中机器人在激光扫描森林以最高 9 m/s 飞行时碰撞率为 0.4%,显著优于基线方法;实地部署于两处森林场地, commanded speed 可达 4 m/s。