本文提出了一種穩健的單目視覺SLAM系統，該系統同時利用點、線和消失點特征來進行精確的相機位姿估計和地圖構建，有效解決了傳統基于點特征的SLAM的局限性。

? 文章：

MonoSLAM: Robust Monocular SLAM with Global Structure Optimization

? 作者：

Bingzheng Jiang, Jiayuan Wang, Han Ding, Lijun Zhu

? 論文鏈接：

https://arxiv.org/abs/2503.09296

? 編譯：

INDEMIND

01本文核心內容

基于視覺輸入在未知三維場景中進行跟蹤和重建是機器人技術和計算機視覺中的基本任務。定位和建圖模塊的性能對機器人自主系統和增強/虛擬現實設備的服務質量有著顯著影響。然而，在增量相機跟蹤過程中，這些模塊常常會受到姿態漂移的影響。為了解決這個問題，人們提出了不同的策略。一方面，可以使用深度相機、激光雷達和慣性測量單元(IMU)等先進傳感器來提供更可靠的信息，以增強同步定位與建圖(SLAM)和基于IMU的系統的性能。另一方面，諸如局部束調整、滑動窗口優化和閉環技術等算法解決方案有助于減輕漂移。這些解決方案的核心優化理論在于探索利用視覺重疊來構建共視因子圖以進行優化。但對于在設備中廣泛使用的經濟實惠的單目傳感器而言，可用于跟蹤的共視特征有限。因此，該領域仍存在一個關鍵挑戰：如何捕捉和利用從單目輸入中獲取更多全局信息以提升SLAM性能。

點特征長期以來一直是大多數視覺姿態估計系統的基石，這從其在多個主流方法中的廣泛應用中可見一斑。盡管點特征廣泛存在且取得了諸多成功，但它們在具有挑戰性的環境中(如室內空間)表現出明顯的局限性。

在這些場景中，缺乏獨特且豐富的點特征常常阻礙SLAM系統的實時跟蹤能力，從而需要采用替代策略。例如，僅基于點的因子圖優化的魯棒性會退化，而通過將線和平面地標納入跟蹤和優化模塊，可以在一定程度上增強其性能。平面檢測通常需要使用深度圖或卷積神經網絡。相比之下，線可以從RGB圖像中輕松提取，為將信息融入視覺里程計系統提供了更通用且資源高效的替代方案。而在與線相關的SLAM系統中，最廣泛使用的線參數化方式是正交規范。算法，一種基于李群和李代數的精妙策略。

傳統而言，單個線段會為優化模塊貢獻一個重投影因子，而一組線段則能提供更廣泛的結構規律。確切地說，二維圖像平面上的一簇平行線段會匯聚于一個消失點，此消失點可用作因子圖優化的約束條件。通過假定一個亞特蘭大/曼哈頓世界環境，三維線地標可被用于建立垂直和正交對，有助于方向估計。一組正交消失方向向量構建出一個曼哈頓世界結構，該假定支持視覺里程計方法中的無漂移旋轉估計策略，但在因子圖優化模塊中，難以將此結構作為一個基本單元進行優化。另外，當從單目圖像中提取的稀疏點地標檢測到三維平面時，線地標能夠提供共面性約束。然而，由三維線或消失點得出的重投影約束主要對調整局部區域有效，因為一個三維線地標通常僅在有限數量的幀中可見。雖然亞特蘭大/曼哈頓世界假定為跨幀提供了全局線索，但在復雜、無結構的環境中面臨著重大挑戰。

為解決此問題，該方法為單目輸入提出了一種新穎的SLAM架構，首先從連續圖像中探索全局且靈活的結構基元，然后構建新的因子圖以優化相機位姿和全局基元。與傳統因子相比，所提出的約束能夠在沒有視覺重疊的圖像之間構建。

其貢獻可概括為：

? 一個不受環境結構約束的高精度實時單目SLAM框架，從圖像中提取點特征、線特征和消失點特征。

? 一種基于全局基元的多幀非重疊區域圖像關聯策略。

? 一種結合全局基元以實現高精度位姿估計的有效因子圖優化。

02方法架構

如圖2所示，該系統包含前端和后端模塊。在前端，我們介紹了點、線和消失點的檢測方法。然后，在后端，第一部分是一種新的關聯策略，一方面利用點和線生成3D地標，即在地圖中收集的局部基元(LP)，另一方面，在關聯過程中提供一種生成全局基元(GP)結構信息的新策略。在檢測到局部和全局基元之后，后端的第二部分構建了一個穩健的因子圖優化算法，用于精確的相機位姿估計。

03實驗結果

A.實現細節

為評估所提出的系統，在本節中使用公共數據集來驗證最先進的方法和我們的方法。所有評估均在配備英特爾酷睿i9-285KCPU的筆記本電腦上進行，以確保所有實驗結果的一致性和可重復性。

B.基線、指標和數據集

我們通過與最先進的單目SLAM系統進行比較來評估我們系統的映射精度。為了驗證我們提出的線段和消失點處理流程的效率，我們從ICL-NUIM數據集中選取了結構化圖像序列，該數據集提供了低對比度和低紋理的合成室內序列，這對單目SLAM來說尤其具有挑戰性。均方根誤差(RMSE)被用作主要指標，使用evo工具包進行計算。序列lr和of分別代表ICL-NUIM數據集中的客廳和辦公室場景。

我們在ICL-NUIM數據集上與六個最先進的系統進行了比較，分別是GeoNet、LPVO、CNN-SLAM、LSD-SLAM、Structure-SLAM和ORB-SLAM3。GeoNet利用幾何和光度一致性來提高位姿估計的準確性，特別是在動態環境中，而CNN-SLAM和Structure-SLAM分別將基于神經網絡的深度預測和法線圖集成到跟蹤模塊中。LPVO通過優化現代硬件上的并行計算來實現高效和實時的性能，LSD-SLAM則采用直接方法進行實時密集映射，無需特征提取。ORB-SLAM3是一個支持單目、立體和RGB-D相機的基于特征的SLAM系統，具備閉環、重定位和地圖重用功能。此外，我們還在EuRoC數據集上評估了我們的方法，該數據集是視覺SLAM的廣泛使用的基準。對于此次比較，我們重點關注能夠利用多種類型特征(包括點、線和消失點特征)的系統。在該數據集上測試的選定基線系統為PL-SLAM、UV-SLAM、Struct-VIO、PLF-VINS、Structure-PLP-SLAM以及AirVIO。前兩個系統利用LBD描述符來利用線特征，而Struct-VIO通過沿線采樣點來跟蹤線特征。Structure-PLP-SLAM結合了點、線和平面以增強魯棒性。PLF-VINS和AirVIO在緊密耦合的視覺慣性框架內整合視覺特征。

C. ICL-NUIM和EuRoC數據集上的對比

全局基元在單目SLAM中的有效性。ICL-NUIM數據集由于其低對比度、低紋理的序列，為單目SLAM提供了一個具有挑戰性的測試平臺。如表I所示，我們的方法在6個序列中的4個上取得了最佳結果，優于LSD-SLAM、CNN-SLAM、LPVO、GeoNet、Structure-SLAM和ORB-SLAM3等先進系統。這證明了我們的方法在處理傳統基于點的方法經常失敗的環境中的魯棒性。線段和消失點的集成，結合設計良好的重投影誤差，顯著提高了姿態估計的精度和可靠性。

為了進一步驗證，我們在EuRoC數據集上評估了我們的方法，該數據集包含復雜和動態的室內序列。如表II所示，我們的方法始終優于其他先進系統，包括PLSLAM、UV-SLAM、Struct-VIO、PLF-VINS、Structure-PLPSLAM和AirVIO。值得注意的是，我們的系統在5個序列中的4個上取得了最佳結果，平均平移誤差比第二優系統PL-SLAM低12.7%。這一改進突顯了將消失點與點和線特征集成的有效性，這增強了系統利用結構規律性并提高整體精度的能力。

我們方法的卓越性能可歸因于以下因素：

穩健的特征集成：通過結合點、線和消失點特征，我們的系統利用多種幾何線索，在低紋理和動態環境中提高了魯棒性。

設計良好的重投影誤差：我們精心設計的誤差公式確保了特別是對于線段和消失點的準確和穩定的優化。

結構規律性的利用：消失點的引入使我們的系統能夠利用環境中的結構規律性，提高了結構化室內場景中的姿態估計精度。

這些結果突顯了我們方法的顯著優勢，證明了其在推進單目SLAM系統技術前沿方面的潛力，特別是在具有挑戰性和結構化的環境中。

圖3提供了我們的單目SLAM系統與ORB-SLAM3在ICL-NUIM數據集上跟蹤性能的全面比較。如圖所示，我們的系統表現出更優的性能，在各種場景中實現了顯著更高的跟蹤精度。這種改進歸因于我們方法增強的魯棒性，特別是在具有挑戰性的環境中。相比之下，ORB-SLAM3僅依賴點特征進行跟蹤，在數據集的低紋理區域容易發生跟蹤失敗和尺度漂移。這些區域中點特征的不足嚴重影響了其穩定性和可靠性，突顯了僅基于點特征的框架的局限性。另一方面，我們的系統利用額外的幾何約束和特征類型，即使在紋理貧乏的場景中也能確保一致的性能。這種比較分析，凸顯了我們的設計在解決傳統基于點特征的SLAM系統局限性方面的有效性。

04總結

我們提出了一種基于點、線和消失點特征的單目SLAM系統，該系統利用全局特征來關聯多幀非重疊圖像，并采用了一種新穎的因子圖優化方法。我們的系統達到了最先進的性能。我們已經證明，從單張RGB圖像中提取的消失點能夠顯著提高位姿估計的準確性，且無需依賴環境假設。與其他先進的實時單目SLAM方法相比，在沒有慣性測量單元(IMU)數據的情況下，我們的方法在高動態運動(例如快速加速或減速)下難以保持高穩定性。未來，可以探索整合IMU信息以進一步優化相機位姿估計。