视觉SLAM综述：传感、算法、神经表示与多机器人系统

《IEEE Sensors Journal》：Recent Advances in Visual SLAM: A Review

　　

摘要：

同步定位与地图构建（SLAM）使机器人能够估计自身位姿并构建未知环境的地图。视觉SLAM（VSLAM）使用相机作为主要传感器，因其相对较低的成本和丰富的视觉信息而受到持续关注。近年来，传感技术、基于学习的感知、神经场景表示以及协作机器人的进步，极大地扩展了VSLAM的范围，超越了传统的几何流水线。本综述从传感、算法、表示和系统级视角对近期VSLAM研究进行了系统性回顾。首先，介绍了VSLAM中使用的视觉传感配置，包括单目、立体、RGB-D、长波红外（LWIR）和事件相机，并分析了它们各自的优缺点。从算法角度，回顾了基于特征、直接法和学习增强型VSLAM方法，并分析了它们的应用场景。介绍了神经场景表示，包括神经辐射场（NeRF）和三维高斯溅射（3DGS），并从映射保真度、实时性能和优化策略方面分析了它们的优势和局限性。特别关注了它们与SLAM后端的集成，以及在可扩展性和计算开销方面的权衡。还回顾了多机器人VSLAM的发展，重点强调了系统架构、机器人间数据关联和协作建图。最后，我们按传感配置和任务组织了具有代表性的数据集和评估指标，并讨论了动态和退化环境、长期地图维护、实时部署以及通信受限协作中的挑战。由此产生的分类和比较为评估现有方法和识别未来研究方向提供了结构化基础。