跳到正文
11月13日周五
  1. arXiv · 机器人与计算机视觉78

    无需训练的个人化图像分割框架:解决多图实例召回瓶颈

    该论文针对个性化图像分割(PIS)在多图实例场景下的召回瓶颈问题,提出一种无需训练的模块化系统。该方法利用通用检测器生成高召回目标提案,结合基础模型特征进行匹配,并用 SAM 细化边界;同时提出了基于 Top-K Sinkhorn 的鲁棒距离度量方法。研究引入了新的多实例基准数据集,实验表明该系统在多个标准数据集上优于现有方法,且运行时更低、参数量更少,为真实世界应用提供了可部署的基线。

    推荐理由:针对现有个性化分割方法在多图实例场景下失效的问题,提出无需训练的模块化框架与多实例基准。

  2. arXiv · 机器人与计算机视觉78

    EM-ViT:通过视差细化与机器人自运动在线适配单目深度估计

    针对单目深度估计(MDE)基础模型在新场景泛化性不足的问题,本文提出 EM-ViT 方法。该方法受立体相机参数化启发,将深度预测分解为密集视差细化以恢复相对结构,以及有效基线标量预测以确定度量尺度。

    推荐理由:提出 EM-ViT 模型,利用稀疏 LiDAR 和机器人自运动在线适配单目深度估计,在 KITTI 等数据集上验证了优于现有基础模型的泛化能力。

  3. arXiv · 机器人与计算机视觉48

    HeadIO:面向头戴设备的神经惯性里程计身体帧航向分解方法

    HeadIO 提出结合身体帧航向分解与双向 Mamba 骨干网络的方法,在仅用 IMU 的头戴设备(如 AR 眼镜)上实现无相机头部追踪。该方法在 Nymeria 基准数据集上将 RTE-5s 误差从 0.260m 降至 0.239m,FLOPs 约为现有全管线方法的三分之一、参数少 8 倍。论文已提交至 ICRA 2027,代码与权重暂未开放。

  4. arXiv · 机器人与计算机视觉62

    RECALL:基于学习 OEM 锚点残差的多相机阵列实时重校准

    论文提出 RECALL 方法,通过前馈网络结合 OEM 标定锚点和已知物体观测,预测多相机阵列的当前内参和外参。该方法利用可合成真值在飞数据上训练,无需采集数据集。在合成基准和真实数据(TotalCapture、CMU Panoptic)测试中,RECALL 在旋转精度和焦距准确性上优于传统束调整及强基线模型,且运行速度快四个到五个数量级。代码与论文已公开于 arXiv。

11月11日周三
  1. arXiv · 机器人与计算机视觉78

    RANSAC Scoring Done Right:一种消除尺度依赖的 RANSAC 评分新方法

    论文提出了一种改进的 RANSAC 评分方法,通过边际化尺度参数而非固定阈值来区分内点与外点,从而消除了对噪声水平估计的依赖。该方法仅需一个超参数(均匀分布的外点半宽),且可通过单次排序和线性扫描最大化得分。该工作为 NeurIPS 2026 录用论文,适用于需要适应不同标注程度数据集的场景。

    推荐理由:提出了一种新的 RANSAC 评分方法,通过边际化尺度参数消除了对阈值和噪声水平的依赖,仅需一个超参数即可适应不同标注程度的数据集。

  2. arXiv · 机器人与计算机视觉65

    Altitude-Adaptive UAV-to-Map Image Matching for Aerial Geo-Localization 论文发布

    该研究针对直接定位信号缺失场景,提出一种适应无人机飞行高度的空天地地理定位框架。通过频率域表示和回归分类估计相对高度,利用预测的高度中心定义尺度先验以引导图像归一化,并采用足迹自适应边距分类器调整训练策略。在合成与真实飞行数据集上的实验表明,相比无高度归一化的检索流程,该模块在 100 米定位阈值下的平均 R@1 和 R@5 分别提升了 50.68 和 47.20 个百分点。

  3. arXiv · 机器人与计算机视觉16

    Large-area Spatially Aligned Anchors 解决 XR 大范围空间追踪漂移问题

    该方法利用外部无漂移追踪作为真值,在准备阶段同步采集头显与外部的三维锚点以建立对应关系。运行阶段通过云配准对齐两种追踪方法,结合头显内置能力实现独立功能并扩展精准追踪范围。实证评估显示系统能有效对齐虚拟内容与现实世界,适用于制造、建筑及教育娱乐等场景。

  4. arXiv · 机器人与计算机视觉38

    基于开放词汇三维场景图的海域持久记忆研究

    针对现有三维场景图方法主要面向室内和陆地环境的局限,本研究提出一种将户外开放词汇地图适配为海域持久场景记忆的方法。该方法通过几何基础的视觉语言模型(VLM)推理整合碎片化物理实体,并结合地图先验构建宏观区域以支持跨次穿越的固定地点对应关系及上下文检索。实验表明,该方案在减少实体碎片化方面优于基线及单独的几何语义整合组件,有效解决了海域空间组织需求未被陆地高层假设捕捉的问题。

  5. arXiv · 机器人与计算机视觉43

    PS-VRS:基于谓词状态定位的语义级视频推理分割新基准与方法

    针对现有方法目标识别后持续发射掩码导致误报的问题,论文提出 PS-VRS 框架及包含 2,077 个视频、16,250 条标注查询的 PS-Bench 基准。提出的 PSG 策略通过预测 [ACTIVE]/[VACANT] 状态令牌并结合 SAM2 仅在活跃态发射掩码,在 PS-Bench 上比现有基线 J&F 分数提升 9.32 分并显著降低假阳性发射。

  6. arXiv · 机器人与计算机视觉71

    从深度到安全深度:面向移动机器人导航的不确定性感知单目感知

    本文指出直接商用 Depth Anything V2 等单目深度基础模型在室内导航基准中会导致 63% 的碰撞率,因其系统性高估近距离障碍物距离。作者提出一种轻量级插件模块,在冻结的深度模型上增加 0.58M 参数头,预测每个像素的对数深度修正和不确定性,利用共形校准设定安全边界。

  7. arXiv · 机器人与计算机视觉58

    NIF-VIO:跨越惯性与非惯性参考系的视觉 - 惯性里程计

    论文提出 NIF-VIO 方法以解决传统视觉 - 惯性里程计在加速或旋转载体下因参考系假设失效导致融合误差的问题。该方法基于测量一致性适配融合策略,结合早期约束隔离与局部重优化限制误差传播,并在非惯性条件下引入紧凑模型保留惯性信息。实验表明其在惯性与非惯性条件下均能实现定位性能提升。

  8. arXiv · 机器人与计算机视觉68

    DepthGS:一种用于高质量表面重建的深度引导高斯泼溅框架

    针对 3D 高斯泼溅在表面重建中深度信息与误差关系探索不足的问题,作者提出 DepthGS 框架。该工作推导了单目与多目设置下深度差异与重建误差的理论关系及上界,据此设计了自适应正则化策略:单目优化采用基于局部深度差异几何可靠性的法向约束调节,多目优化引入跨视图深度一致性正则化以增强相邻视图深度图的一致性。

  9. arXiv · 机器人与计算机视觉78

    GEMOR-GS:一种用于 3D 高斯泼溅 SLAM 的全局外参校准优化映射与在线重定位方法

    该论文提出 GEMOR-GS 框架,旨在为连续运行的机器人提供逼真且度量一致的 LiDAR-惯性 - 视觉 SLAM 世界表示。该方法首先通过专用校准段利用直接法对齐离线估计相机与激光雷达的外参,并在标定几何下交替优化关键帧位姿与高斯参数;最终重建全局地图时解除所有限制以提升外观质量。

    推荐理由:提出 GEMOR-GS 方法,通过离线外参校准与在线重定位实现高几何精度与可重入性的 3DGS SLAM。

  10. arXiv · 机器人与计算机视觉82

    Maze Runner:基于线特征定位与控制屏障函数的自主迷宫导航

    Maze Runner 是一个开源的自主导航栈,旨在解决稀疏重复几何下的定位、狭窄走廊规划及估计或地图错误时的安全控制问题。该栈在 Gazebo 仿真环境中驱动 Husarion ROSbot XL(配备 2D LiDAR),通过 RANSAC 和总体最小二乘法从扫描中提取带不确定性的墙体线,并分别用于基于地图的扩展卡尔曼滤波定位和在线构建地图的 EKF SLAM。

    推荐理由:该工作提出了基于线特征定位与控制屏障函数的自主迷宫导航栈,在仿真中实现了厘米级定位与实时规划控制。

11月10日周二
  1. arXiv · 机器人与计算机视觉65

    VOIM:一种用于 RGB-D 和单目 SLAM 的免训练开放词汇 3D 实例映射系统

    该预印本提出 VOIM 系统,这是一种无需训练的开放词汇 3D 实例映射方法,能够从 RGB-D 或单目 RGB 视频构建物体及其位置的地图。系统在 ScanNet++ 数据集上取得了比最强基线高 10 个点的现成类别 mIoU,且在仅使用单目视频时表现优于配备深度和真实位姿的对比方法。研究还通过四足机器人的实地导航实验验证了所建地图在现实世界中的可用性。

  2. arXiv · 机器人与计算机视觉42

    SENTINEL:为低成本 LiDAR 提供免训练的不确定性感知 SLAM 框架

    SENTINEL 是一个无需训练或标注的可靠性评估框架,通过结合几何扫描统计与 RGB-D 相机深度一致性,为仅含距离信息的 LiDAR 生成每帧可靠性评分。当评分低于阈值时,系统自动丢弃受玻璃、镜面等干扰的脏数据并回退至轮速计,防止 SLAM 静默损坏。

  3. arXiv · 机器人与计算机视觉85

    KITScenes 多模态自动驾驶数据集发布:高保真传感器与完整 HD 地图

    KITScenes 多模态数据集发布,包含高分辨率全局快门相机、400 米外长距激光雷达、4D 成像雷达及冗余 GNSS/INS。其 HD 地图据称最完整,首次将交通信号灯等元素以三维拓扑连接形式映射至重投影精度水平。

    推荐理由:KITScenes 数据集发布高保真多模态数据与 HD 地图,填补了地理多样性与长距雷达空白。

  4. arXiv · 机器人与计算机视觉42

    Resource-Constrained UAV-Based Weed Detection for Site-Specific Management on Edge Devices 资源受限边缘设备上的基于无人机的特定田块杂草检测研究

    针对资源受限边缘平台,该研究评估了 YOLOv8-v12 与 RT-DETRv1-v2 模型在无人机端的实时杂草检测性能。实验显示,RT-DETRv2-R50-M 以 79% mAP50 实现精度效率平衡,YOLOv10n 推理最快,而高容量模型虽达 86.9% mAP50 但延迟过高。

  5. arXiv · 机器人与计算机视觉50

    Stitch4D:通过时空插值从稀疏多地点观测进行 4D 城市重建

    针对稀疏多地点观测导致现有 4D 重建方法在未见区域表现不稳定的问题,论文提出 Stitch4D 框架,通过在优化前合成中间“桥接视图”并联合优化真实与合成观测,有效缓解了几何坍塌并提升了重建稳定性。研究还引入了基于 CARLA 的 Urban Sparse 4D (U-S4D) 基准,实验表明该方法在图像质量指标上优于现有基线。材料为预印本版本,已接受于 WACV2027 展示。

  6. arXiv · 机器人与计算机视觉35

    PolGS++:物理引导偏振高斯泼溅实现快速反光表面重建

    PolGS++ 提出一种物理引导的偏振高斯泼溅框架,通过集成偏振 BRDF 模型解耦漫射与高光分量,并引入深度引导可见性掩码机制以在无光线追踪下约束切空间一致性。该方法仅需约 10 分钟训练即可提升反光表面重建质量与效率,在合成及真实世界数据集上的广泛实验验证了其有效性。

  7. arXiv · 机器人与计算机视觉68

    Bias-Eliminated PnP:面向立体视觉里程计的去偏与一致性定位方法

    本文提出了一种具有可证明一致性的去偏加权 PnP(Bias-Eli-W)估计器,用于解决立体视觉里程计中的相对位姿估计问题。该方法基于统计理论构建渐近无偏且根号 n 一致的估计器,能够处理变化的三维三角化不确定性,确保随着特征点数量增加,位姿估计收敛于真值。

  8. arXiv · 机器人与计算机视觉42

    FUSE-PnPL:灵活统一的相机位姿估计方法

    FUSE-PnPL 提出一种基于点线联合测量的统一相机位姿估计器,通过 Plücker 坐标表征直线并采用两阶段方案实现统计一致性与渐近高效性。该方法在合成数据及真实世界基准测试中验证了理论性质,展现出在静态全局定位与动态 SLAM 系统中的优势。其线性计算复杂度使其适用于高精度实时机器人位姿估计任务。

  9. arXiv · 机器人与计算机视觉35

    2D Gum-Net:通过对称相关与谱池化实现无监督稠密弹性图像配准

    2D Gum-Net 将原用于冷冻电镜的 3D Gum-Net 架构迁移至 2D,利用冻结基矩阵乘法替代传统池化以提速约 50 倍。该方法在合成数据上训练并零样本评估于指纹基准,使 FVC2004 结构相关度提升最高达 15.7%。论文已获 NeurIPS 2026 NewInML Workshop 接收,代码与权重开放许可待注册。

  10. arXiv · 机器人与计算机视觉55

    Spaghetti Splatting:通过卷积区分曲线性 Dirac 质量

    该论文提出了 Spaghetti Splatting 方法,旨在解决生产系统中用点、线、三角形等原语表示 3D 几何的挑战。研究将曲线近似为多段线,并通过卷积使各段复合时不重复计数关节处。该方法支持高斯及贝塔核以外的内核,是 3D Gaussian Splatting 的严格超集,在通用场景中保持竞争力,优于专用于线状几何的方法,原生支持抗锯齿并生成可直接用于物理仿真的长连接丝状结构。

  11. arXiv · 机器人与计算机视觉78

    ReVMap:基于连通性感知的局部地图融合矢量全局建图方法

    针对大规模矢量高清地图标注成本高及现有方法忽视预测不确定性的问题,本文提出 ReVMap 框架。该方法利用点级定位不确定性将全局先验融入局部预测以提升鲁棒性,并预测局部到全局的连通性以进行可靠性感知的选择性更新。在 nuScenes 和 Argoverse 2 基准上的实验表明,ReVMap 在局部地图预测与全局地图构建方面均达到最先进水平。

    推荐理由:提出 ReVMap 框架,通过不确定性引导先验与连通性感知融合解决矢量 HD 地图构建中的误差传播问题。

  12. arXiv · 机器人与计算机视觉72

    EgoLabel:基于跨模态一致性的零样本第一人称自动标注

    该论文提出 EgoLabel 流程,在不使用目标域标签训练的情况下整合现成模型以实现几何、物体与人体姿态的跨模态配准与一致性诊断。实验显示,相比单一全局尺度,每只手深度锚定将序列中位手 - 深度残差均值降低 23%,聚合中位为 84.6mm(真值参考 20.5mm),手部 PA-MPJPE 为 14.53±1.29mm。

  13. arXiv · 机器人与计算机视觉68

    RAPA:面向相机 -LiDAR 标定的射线感知物理增强方法

    针对基于目标的相机-LiDAR 标定中 LiDAR 点云提取棋盘格特征困难的问题,本文提出利用圆柱体 LiDAR 反射率图像将棋盘格定位转化为 2D 检测问题。通过射线感知物理增强生成合成数据以解决标注数据稀缺问题,在四个独立采集的室内外场景中,该方法相比最强图像空间增强基线 [email protected] 提升 16.1-43.1 个百分点,且在 242 次观测中实现了最高的有效目标定位数量。

  14. arXiv · 机器人与计算机视觉54

    SAM-VTP:基于视频记忆与深度测量的连续可通行性分割研究

    论文提出 SAM-VTP 方法,通过微调 SAM2 的视频记忆路径实现无提示的稠密可通行性分割,并利用深度信息直接测量坡度、粗糙度和高度等几何特征。该方法在 TartanGround 数据集上相比帧级基线显著提升了 Jaccard 和 IoU 指标并减少了闪烁,且在闭环测试中大幅降低了规划器因预测失效而中断的频率。

  15. arXiv · 机器人与计算机视觉82

    CSG-Nav:面向鲁棒探索与零样本目标导航的置信度感知语义几何融合方法

    论文提出 CSG-Nav 框架,通过整合开放词汇检测、深度定位与多视图证据加权,解决长程感知不可靠及幻觉偏差问题。在 HM3Dv1/v2 和 MP3D 数据集上实现零样本导航成功率分别为 58.9%、71.6% 和 44.3%,并在室内外真实环境完成部署验证。代码已开源。

    推荐理由:提出基于置信度的语义几何融合框架,在 HM3D 等数据集实现零样本导航新 SOTA,代码已开源。

  16. arXiv · 机器人与计算机视觉58

    基于球面束调整引导的无监督深度学习的单目鱼眼视觉里程计

    该论文提出了 S^2D-FVO 框架,旨在解决单目鱼眼视觉里程计的尺度漂移难题。方法利用球面束调整(SBA)中的切空间角重投影残差替代传统网络以获取更可靠的相对位姿,并引入基于中值深度的尺度正则化项约束重建尺度。实验表明该方法在多个公开数据集及新收集的大规模数据集上,深度估计与轨迹精度均优于现有代表性方法,且适用于不同相机模型。

  17. arXiv · 机器人与计算机视觉48

    街景影像处理管道助力韩国独栋房屋空置评估

    该研究提出一种可复用的街景影像处理管道,明确图像适用性与目标身份。在韩国 1609 个地块的 10311 张图像中,任务筛选与对齐使 AUROC 从 0.684 提升至 0.719,且无需建筑轮廓或额外训练即可匹配人类标签(85.6%)。记录所用图像与选定房屋支持人工虚拟审计,解决了仅凭分数无法验证判断对象的问题。