跳到正文
11月3日周二
  1. arXiv · 机器人与计算机视觉73

    Solv3R:一种作为多视图求解器的循环 Transformer

    论文介绍 Solv3R,这是一种循环 Transformer 模型,旨在解决传统结构从运动(structure-from-motion)重构中难以扩展和迭代优化的问题。该模型通过学习独立的更新算子,能够联合优化已处理和新增的视角,支持离线重建、增量重建、重定位及流式处理等多种任务,且无需针对特定任务进行训练或添加模块。代码与模型将公开提供。

  2. arXiv · 机器人与计算机视觉78

    UniGS-SLAM:增强几何与开放词汇语义的单目高斯 SLAM

    论文提出 UniGS-SLAM 框架,旨在仅通过 RGB 观测重建场景几何并构建语义地图。该方法将开放词汇语义从高斯重建中解耦,利用基础先验增强单目深度与位姿估计,并将语义观测融合到独立的稀疏体素图中以支持历史证据的修订。

    推荐理由:该工作提出仅用 RGB 输入即可解耦语义与高斯重建的框架,在 Replica、ScanNet 和 KITTI-360 上实现了领先的跟踪与几何重建性能。

  3. arXiv · 机器人与计算机视觉75

    Spade-SLAM:用于稠密无监督视觉 SLAM 的稀疏对应锚点

    论文介绍 Spade-SLAM,一种自监督稠密视觉 SLAM 框架,旨在零样本设置下大幅缩小与监督方法之间的性能差距。该方法通过结合基于光流的光度损失(提供密集训练信号)和源自图像特征匹配的稀疏对应损失(稳定优化并抑制模糊区域的漂移),实现了无需显式位姿和深度标签的高保真跟踪。

  4. arXiv · 机器人与计算机视觉13

    计算机视觉零样本匹配实现近东与欧洲火蝾螈精准自动识别

    基于 SuperPoint 和 LightGlue 的零样本局部特征匹配管线,在以色列北部实地照片上对近东火蝾螈实现了 95.2% 的首位正确率和 0.958 的 ARI。该方案无需物种特定训练即可跨相关物种迁移,识别准确率显著优于五种现有程序及人工目视检查。此技术为两栖动物监测提供了可审计且可扩展的重识别工具,支持千级以上个体数据库分析。

  5. arXiv · 机器人与计算机视觉72

    GSExplorer:基于持久化 3D Gaussian 世界的交互式世界生成

    论文提出 GSExplorer,这是一个围绕持久化 3D Gaussian 世界状态构建的生成 - 重建框架。该方法利用当前 3DGS 场景为条件驱动的视频生成器提供多模态渲染条件,并通过独立的相对射线编码分支注入相机几何信息;生成的视频反馈给基于 SLAM 的重建后端,通过不一致性过滤防止冲突内容破坏场景,并利用跨块束调整优化空间对齐。

  6. arXiv · 机器人与计算机视觉46

    CUFormer:模态感知 CT-超声点云配准框架助力骨科导航

    CUFormer 提出一种模态感知配准框架,通过身份嵌入与特定适配器解决超声成像物理差异导致的特征匹配难题。该模型在 UltraBones100k、UltraBonesHip 及 SpineDepth 数据集上取得最低平均配准误差,其中 UltraBones100k 旋转误差为 4.53°、平移误差 3.19mm,RMSE 较最佳基线降低 65.8%。

  7. arXiv · 机器人与计算机视觉54

    GAV:一种基于视角感知的跨视图指代推理与视觉定位新框架

    论文提出 GAV(Grounding Across Views)框架,旨在解决从卫星图定位地面目标时自然语言查询难以直接对齐的难题。该方法将传统点击或框选提示扩展为联合由指代表达和视觉示例引导的实例定位,通过视角感知的推理机制提取目标中心描述并增强方向无关的角色线索。

  8. arXiv · 机器人与计算机视觉78

    SceneBound:流式三维重建模型应记住多少?

    论文提出 SceneBound,一种无需训练的规则,用于决定流式三维重建模型何时写入关键帧。该规则仅在预测相机位姿距离所有存储的关键帧超过固定半径时写入,使关键帧数量与访问位姿的覆盖数成常数倍关系。在 CUT3R 和 StreamVGGT 等模型的循环状态或 KV 缓存中,该方法实现了评估的训练免费规则中的最低平均轨迹误差,且关键帧增长仅占 3% 至 6%。

    推荐理由:提出无需训练的 SceneBound 规则,通过几何覆盖数控制流式三维重建模型的记忆量与漂移。

  9. arXiv · 机器人与计算机视觉78

    直线并非相机位姿:对短片段位姿基准的审计

    Xinyi Shi 在 arXiv 发布论文,指出绝对轨迹误差(ATE)作为相机运动标准指标的局限性。研究发现,在恒定速度假设下,简单将预测轨迹拉直反而能降低 ATE 得分,且该指标忽略相机朝向导致几何评估失真。作者提出一种修正后的位姿锚定 ATE 方案,能更准确地追踪重投影误差并区分不同模型性能。代码、预测结果与数据将在后续发布。

    推荐理由:该研究指出绝对轨迹误差指标存在缺陷,提出一种修正方案以更好评估几何精度。

  10. arXiv · 机器人与计算机视觉42

    单目与多视角行人三维重建策略对比:城市路口感知中的权衡与部署指南

    针对城市路口行人运动分析,研究对比了结合文本提示分割的单目学习流水线与需校准的多视角几何流水线。前者覆盖更广但存在尺度模糊和身高压缩问题,后者虽能高效获取度量重建却易受单目遮挡影响且计算成本较高。作者据此为不同分析任务提供了基于覆盖度、人体学合理性及失败模式的策略选择配置指南。

11月2日周一
  1. arXiv · 机器人与计算机视觉43

    压缩延迟信息投影方法提升水下声学导航精度

    CDIP 是一种基于因果延迟更新的算法,通过 15 维误差状态卡尔曼滤波在接收时间基准下将轨迹位置均方根误差从 1.062m 降至 0.456m。该方法核心循环耗时降低 99.2%,接近全量回放效果,已在 154 组含 1.5s 延迟的合成水下定位数据中验证。论文已提交至 JASA,提供代码与权重开放许可。

  2. arXiv · 机器人与计算机视觉78

    PGGT-Loc:面向前馈相机定位的原型接地几何 Transformer

    论文提出 PGGT(Primitive-Grounded Geometry Transformer),解决地图原型与视觉观测间的模态差距,实现单图输入下的前馈 6-DoF 相机定位。该方法在密集表面图和极简布局模型上均达到最先进性能,代码与模型已开源。材料为 NeurIPS 2026 接收的预印本,未报告真实机器人部署结果或具体实验数据。

    推荐理由:提出基于平面原型的几何 Transformer,实现单图前馈式 6-DoF 定位,在密集表面与极简布局模型上均达到 SOTA。

  3. arXiv · 机器人与计算机视觉12

    Visual-Inertial RGB-D SLAM with Encoders 系统实现差分轮式机器人实时定位建图

    该系统针对纯视觉 SLAM 因特征缺失或高速运动导致的失效问题,提出结合编码器数据的紧耦合视觉惯性 RGB-D 方案。在自建数据集测试中,其状态估计均方根误差约为 2-7 cm,实现了准确且鲁棒的实时性能。相关源代码及含编码器信息的公开数据集已发布以供验证。

  4. arXiv · 机器人与计算机视觉58

    OpenVIO:一个通用的开源视觉惯性里程计系统

    作者 Seungwon Choi 发布了 OpenVIO,这是一个基于 MIT 许可的开源视觉惯性里程计(VIO)系统。该系统支持针孔相机、鱼眼相机以及拼接后的 360°全景图像,并详细描述了各模块的设计考量。材料提供了在公开数据集上与其他开源 VIO 系统的基准测试结果,但未报告真实机器人部署结果或具体应用场景的性能数据。

  5. arXiv · 机器人与计算机视觉18

    GPU 加速增量欧氏距离变换用于移动机器人在线运动规划

    该系统利用 GPU 并行计算技术,构建包含多传感器数据的体素地图并实时输出高频局部距离信息以支持在线运动规划。实验表明该方法在无人机和地面车辆上实现了有限算力下的实时性能,优于现有机器人建图系统且适合未探索区域映射。论文已发表于 IEEE RA-L 2022,作者接受的手稿代码可通过链接获取。

  6. arXiv · 机器人与计算机视觉78

    DrawSplat:一种基于亚特兰大世界引导的隐式高斯 SLAM 框架用于室内重建

    该论文提出 DrawSplat 框架,旨在解决现有高斯 SLAM 在室内弱纹理、大面积平面及噪声深度场景下易出现位姿漂移和几何伪影的问题。方法采用类似绘画的流程:先通过点线联合跟踪构建显式结构布局,再利用亚特兰大世界(Atlanta World)的先验推断重力方向并生成可微正则项填充隐式神经高斯以获取高保真外观与连续几何细节。

    推荐理由:该工作提出基于 Atlanta World 先验的隐式高斯 SLAM,通过点线联合跟踪与结构采样解决室内弱纹理场景下的位姿漂移与几何重建问题。

10月30日周五
  1. arXiv · 机器人与计算机视觉42

    SCoPE-Reg:通过状态空间相关与闭式位姿估计实现高效刚性超声切片到体积配准

    SCoPE-Reg 模型结合双输入状态空间交互、稠密三维坐标预测及无参加权 Kabsch 估计,在 CAMUS 和μ-RegPro数据集上实现0.73mm与2.27mm的平均目标配准误差。该模型参数固定为649万且独立于分辨率,在512²分辨率下维持51 FPS推理速度,显著优于现有基线方法。论文已获WACV 2027录用,代码与权重通过提供的链接开放获取。

  2. arXiv · 机器人与计算机视觉42

    DSM 辅助航空定位基准与基线锚定不确定性校准研究

    该研究定义了位置可用性、分组误差结构等五项基准任务,评估数字表面模型辅助定位中的观测质量。方法结合图像与地图敏感度及配置子集二阶矩进行校准,在包含所有定位失败的条件下,将归一化位置更新风险平均降低 7.70%(728 种工况)和 5.46%(142 种独立先验工况)。论文提交至 IEEE 期刊,导航收益与真实时间累积效应尚未测试。

  3. arXiv · 机器人与计算机视觉72

    重访多视图立体:一种序列到序列的表述方法

    针对现有前馈模型在多视图立体(MVS)中存在的几何畸变问题,本文提出将 MVS 重构为序列到序列任务的新方法。通过引入基于射线的图嵌入和统一的全局代价体,该方法能联合预测所有输入视图的几何结构并显式利用相机参数先验。实验表明其在多个公开基准上优于传统 MVS 和前馈重建基线。该论文已被 NeurIPS 2026 接收。

  4. arXiv · 机器人与计算机视觉28

    Metric 3D Fusion 揭示开放词汇无人机感知中的时序语义稳定性机制

    该研究通过体素级评估框架,发现高世界空间一致性可能掩盖观测支持不足导致的时序不一致。实验基于 UAVid-3D-Scenes 数据集,在两种分割骨干网及不同体素分辨率下均证实:持久性分层分析能更准确反映累积证据下的语义分歧。论文已接受发表于 ICVGIP 2026,为长视界语义可靠性评估提供了超越图像级预测的新范式。

  5. arXiv · 机器人与计算机视觉72

    Ego-OSCAR:开源低成本双目头显采集系统与 550 小时语料发布

    作者发布了 Ego-OSCAR,这是一个基于商品化零件和 3D 打印的低成本(约 200 美元)开源头显采集平台。系统集成了硬件同步的全局快门双目相机与 6 轴 IMU,通过嵌入式 Linux SBC 进行端侧编码,并利用微控制器实现亚毫秒级时钟域桥接与故障监控。

  6. arXiv · 机器人与计算机视觉35

    RadLoc:基于雷达的 3-DoF 全局定位新方法

    RadLoc 提出一种端到端雷达全局定位管线,通过 1D CA-CFAR 滤波加速预处理并设计紧凑描述符。在 5 个数据集共 15 序列实验中,该方法保持最小描述符尺寸与最快检索时间,适用于 SLAM 及多会话系统。补充材料已公开,论文将投稿至 2026 IEEE/RSJ IROS 会议。

  7. arXiv · 机器人与计算机视觉68

    CylindTrack:面向移动机器人的全景多目标跟踪的深度感知圆柱运动建模

    论文提出了 CylindTrack 框架,旨在解决移动机器人全景视觉中的坐标不连续与深度估计波动问题。该方法通过联合建模全景拓扑结构与时间深度一致性,包含深度 - 时序轨迹建模、球面时空一致性学习及拓扑感知圆柱运动模型三个核心模块。

  8. arXiv · 机器人与计算机视觉72

    归一化流增强的消息传递用于多机器人协作定位

    针对多机器人协作定位需求,本文提出一种结合归一化流的参数化消息传递算法,统一高斯信念传播与均值场近似以处理非线性测量模型。方法直接优化信念自然参数,并通过端到端训练调整归一化流参数以减少迭代次数、提升估计精度及鲁棒性。实验在自主水面车辆上融合里程计、GNSS 和 UWB 测距数据,验证了该方法在不同噪声统计与离群值条件下的优越性能。

  9. arXiv · 机器人与计算机视觉15

    A Lightweight Fiducial-Based Pipeline for 3D Hyperspectral Mapping of ex-vivo Lumpectomy Specimens 实现亚毫米级配准

    该流水线利用四枚 ArUco 标记角点与深度图查找表,将消费级相机 RGB 图像与单次 HSI 采集自动融合为 3D 超光谱点云。在两个离体保乳手术标本上验证,其中位 3D 配准误差低于 1 mm、2D 重投影误差低于 0.02 mm,加速硬件处理单标本耗时不足 4 分钟。结果支持将 HSI 引导的空间定位整合进术中切缘评估流程。

  10. arXiv · 机器人与计算机视觉48

    安全关键激光雷达惯性里程计:基于流形确定性保护水平的新方法

    针对现有机器人概率导航系统缺乏在线安全评估保护水平的问题,研究提出一种基于新型流形集合成员滤波器的安全关键激光雷达 - 惯性里程计(LIO)。该系统利用点云噪声与估计不确定性的闭式关系,设计了流形椭球体集合成员滤波器(OM-ESMF),为下游自主操作提供确定性的位置可行集作为安全参考。实验结果表明,该方法能为多种机器人在不同环境中提供有效的确定性在线安全参考。

  11. arXiv · 机器人与计算机视觉61

    Disambiguating 2D-3D Correspondences in Gaussian Splatting-based Feature Fields for Visual Localization

    论文指出光优化高斯泼溅特征场因体积效应导致像素到点映射多对一,且存在缺乏多视图一致性的冗余高斯,从而破坏基于 PnP 的姿态估计。为此提出 SplitGS-Loc 框架,通过混合高斯拆分将模糊的多对一关系转化为精确的一对一对应,并利用光栅化权重筛选跨视图贡献显著的高斯以聚合判别性特征。实验表明该方法无需每场景训练或迭代姿态细化即可实现稳定收敛与基准竞争力,代码已开源。

  12. arXiv · 机器人与计算机视觉18

    前向 - 后向图匹配算法实现航空磁异常导航定位

    该方法将地图匹配建模为链式因子图推理,利用前向 - 后向算法在 Renfrew_395 地图上合成试验中取得中位位置误差 32.7 m,优于惯性漂移。相比扩展卡尔曼滤波和粒子滤波,其误差分别降低 47% 且无需蒙特卡洛采样。段级香农熵还能以 10% 虚警率检测出超过两格地图单元的错误航段。