《Sensors》：RGB-D SLAM in Low-Texture Indoor Environments: Complementary Structural Constraints and Resource-Aware Mapping
编辑推荐：
低纹理室内场景削弱了可重复的点对应关系，但通常在图像边界和深度支持的表面中保留几何信息。本研究考察了在RGB-D SLAM中组合这些互补测量对位姿估计的收益及资源成本。所评估的系统集成了点重投影（point-reprojection）、端点到直线（endpoi
低纹理室内场景削弱了可重复的点对应关系，但通常在图像边界和深度支持的表面中保留几何信息。本研究考察了在RGB-D SLAM中组合这些互补测量对位姿估计的收益及资源成本。所评估的系统集成了点重投影（point-reprojection）、端点到直线（endpoint-to-line）、直接平面（direct-plane）以及结构平面关系（structural plane-relation）残差，其信息尺度（information scales）和模态系数（modality coefficients）在评估前固定。从被选为地图插入的帧中对同一物理平面的多次观测被整合为持久平面实例（persistent plane instances），同时紧凑的室内视觉词典（compact indoor visual vocabulary）支持关键帧级别的位置识别。在TUM RGB-D fr3/structure_notexture_near序列上，平移ATE RMSE从仅点（P）的0.052350 m降至点-线（P + L）的0.021353 m和点-线-面（P + L + Π，其中P表示点、L表示线、Π表示平面）的0.017041 m。跟踪调用延迟中位数分别从16.174 ms增至50.589 ms和92.505 ms。P + L + Π的ATE RMSE比三种密切相关的PLP方法在同一序列上已发表的结果低10.3–18.9%。在四个ICL-NUIM序列上，重建RMS保持在0.020–0.055 m范围内。室内词典将存储从145.3 MB降至15.7 MB，加载时间从3235 ms降至255 ms。在三次P + L + Π运行和221个有效资源样本中，常驻集大小（resident set size）中位数为840.5 MiB，峰值常驻集大小保持在1.08 GiB以下，CPU需求中位数约为1.84个逻辑核心，交换空间消耗保持为零。研究结果量化了低纹理室内RGB-D SLAM中互补几何测量的轨迹精度增益与计算成本。
**研究背景与问题**
室内环境中的白墙、长走廊和重复布局对视觉SLAM构成持续挑战。此类场景的弱纹理或重复外观导致可区分的特征点对应关系稀少，使基于点的跟踪变得不可靠。然而，配准的RGB-D帧所提供的信息远超点纹理：强度边缘与墙壁交界处和门框对齐，而组织化深度图（organized depth map）捕获墙壁和地板等延展平面表面。因此，低图像纹理虽然削弱了基于点的测量，却未必消除这些互补的几何线索。ORB-SLAM2和ORB-SLAM3在存在可重复点特征时提供准确高效的跟踪，PL-SLAM增加了线对应关系，PlanarSLAM和ManhattanSLAM利用平面观测和结构规律性，SP-SLAM将点与面元（surfel）结合，点-线-面系统进一步集成异质特征进行定位与建图。然而，对此类系统的评估不能仅依赖轨迹误差，还必须考虑跟踪成本以及跨帧维护的平面实例地图和视觉词典数据库。平面实例地图和视觉词典数据库在评估系统中服务于两个不同功能：几何上，来自地图插入帧的同一物理平面的多次观测被关联并融合为跨视图累积结构支持的平面实例；视觉上，关键帧描述子通过紧凑室内词典量化用于位置识别。相关成本产生于逐帧跟踪、关键帧级地图更新、初始化和全过程运行阶段。
**开展的研究与结论**
研究人员针对点支持变弱而深度平面和墙壁交界处及门框处的长强度边缘仍可观测的结构化室内场景开展研究。跟踪器提取固定AGAST 5–8角点、EDLines线段和组织化深度平面。点重投影、端点到直线、直接平面和结构平面关系残差共同约束当前相机位姿ξ，将世界坐标映射到当前相机帧。研究人员在选定的低纹理TUM RGB-D序列上进行配置比较以检验轨迹精度和跟踪调用延迟，用四个ICL-NUIM起居室轨迹表征位姿和表面重建性能，通过检测器和词典测量量化组件成本，并通过过程监控记录采样内存和CPU利用率。此外，在移动平台上进行了物理走廊演示以展示集成结构建图。研究得出：在TUM RGB-D fr3/structure_notexture_near上，平移ATE RMSE从仅点（P）的0.052350 m降至点-线（P + L）的0.021353 m和点-线-面（P + L + Π）的0.017041 m；跟踪调用延迟中位数分别从16.174 ms增至50.589 ms和92.505 ms；P + L + Π的ATE RMSE比三种密切相关的PLP方法在同一序列上已发表的结果低10.3–18.9%；在四个ICL-NUIM序列上重建RMS保持在0.020–0.055 m；紧凑室内词典将存储从145.3 MB降至15.7 MB，加载时间从3235 ms降至255 ms；在三次P + L + Π运行和221个有效资源样本中，常驻集大小中位数为840.5 MiB，峰值保持在1.08 GiB以下，CPU需求中位数约为1.84个逻辑核心，交换空间消耗保持为零。这些结果量化了低纹理室内RGB-D SLAM中互补几何测量的轨迹精度增益与计算成本，并表明在点特征退化条件下，添加线和平面观测以更高的跟踪延迟为代价改善了轨迹精度，紧凑室内词典降低了存储和初始化成本，约40 m走廊演示展示了集成RGB-D感知与平面建图流水线在机器人平台上的运行。
**关键技术方法**
研究人员采用固定AGAST 5–8角点检测器（基于加速段测试的决策树，8像素5–8掩码）作为点前端，在多图像金字塔层级提取候选点并分配空间，以强度质心方向引导256位二进制描述子。线观测采用EDLines（边缘绘制线段检测器）返回延展强度线段，梯度阈值由当前图像分布导出，描述子关联结合二进制外观与几何一致性。平面提取采用组织化深度点云在网格上分区进行凝聚层次聚类平面提取，TUM配置要求2000支持像素和0.05 m提取距离，ICL配置使用500像素和0.03 m。位姿优化采用Levenberg–Marquardt进行四轮鲁棒优化、每轮十次迭代，固定残差阈值在轮间重新分类外点，所有残差项使用Huber损失。持久平面实例通过固定法向、距离和可见性测试关联融合，融合支持经体素滤波、投影至平面支持、空间索引后传递至贪心三角化。位置识别采用DBoW2分层二进制词袋公式，室内词典从TUM RGB-D、ICL-NUIM及额外室内采集的4733张RGB图像训练，训练序列与评估集不相交。过程资源在Ubuntu 18.04 VirtualBox 7.0虚拟机（10 vCPU、8 GB RAM）中以中位2 s采样间隔监控三次独立P + L + Π执行。机载原型使用Intel RealSense D435i RGB-D相机和NVIDIA Jetson Xavier NX（8 GB内存），分辨率640×480、15帧/s，仅使用RGB-D感知，平台穿越约40 m室内走廊。评估数据集包括TUM RGB-D四个结构化序列（notexture_far、notexture_near、texture_far、texture_near）和四个ICL-NUIM起居室轨迹（lr_kt0–3，分别含1510、967、882和1242帧）。
**研究结果**
5.1 点特征退化下的互补约束：通过在同一TUM帧上比较点与线提取、在独立走廊场景展示组织化深度平面提取以及在notexture_far上展示对齐轨迹可视化，研究人员展示了点纹理退化时仍可用的互补观测证据。通过预定义P、P + L和P + L + Π配置在相同轨迹协议下的比较得出，平移ATE RMSE分别为0.052350、0.021353和0.017041 m，P + L比P低59.2%，P + L + Π比P + L低20.2%、比P低67.4%；单步RPE呈现相同排序，平移RPE从0.016474降至0.008259和0.007064 m/步，旋转RPE从0.905降至0.512和0.447度/步。P + L + Π配置产生1054个估计位姿，其中1052个与真值关联，跟踪全程可用。每帧中位数含857个点、16条线和3个平面。在两个无纹理序列上，ORB-SLAM2和ORB-SLAM3在各自十次运行中产生零有效轨迹，而所提系统在两个序列上均产生可评估轨迹。在fr3/structure_notexture_near上与已发表PLP方法比较，P + L + Π配置的ATE RMSE为0.0170 m，相对PLPF-VSLAM、PLP-SLAM和UPLP-SLAM分别降低10.3%、14.8%和18.9%。
5.2 持久结构与视觉表征评估：通过ICL-NUIM位姿比较得出，最低误差方法因序列而异，SP-SLAM在lr_kt0和lr_kt2最低，ManhattanSLAM在lr_kt3最低，所提方法在lr_kt1最低，所提方法值跨四个轨迹为0.019523–0.026922。通过lr_kt1轨迹与位置误差比较得出，InfiniTAM最接近真值（位置误差RMSE约0.0046 m），所提方法和ElasticFusion对应值分别为0.0135 m和0.0273 m，所提方法整体位置误差低于ElasticFusion和ORB-SLAM3。通过平面地图进展展示得出，随着新关键帧与持久实例关联，主导墙壁和天花板/地板表面逐步增长。通过表面构建细节展示得出，三角化暴露精细几何和缺失区域，平面支持的间隙填充产生更连续表面。通过最终表面量化得出，所提地图RMS值为0.034、0.052、0.055和0.020 m，跨序列范围为0.035 m，而DVO-SLAM为0.087 m、KinectFusion为0.142 m、RGB-D SLAM为0.136 m。通过机载RGB-D建图演示得出，从多个相机视角恢复了长平面走廊结构，展示了完整RGB-D感知、跟踪和持久平面建图路径在物理结构化室内环境中的运行。通过紧凑室内词典成本测量得出，室内词典占用15.7 MB，相比通用模型的145.3 MB减少89.2%；加载时间从3235 ms降至255 ms（92.1%），单次查询延迟从0.10 ms降至0.02 ms（80.0%）。
5.3 精度-资源权衡与观测过程需求：通过配置级测量得出，轨迹增益伴随更高跟踪成本，跟踪调用延迟中位数从P的16.174 ms增至P + L的50.589 ms和P + L + Π的92.505 ms。通过检测器级权衡测量得出，在texture_far上AGAST 5–8需0.534 ms而FAST需0.648 ms（降低17.6%），在texture_near上对应值为0.432和0.500 ms（降低13.6%），算术平均15.6%；相同配置在texture_far上返回221对550个角点，在texture_near上返回184对443个角点。无纹理行显示点支持稀缺，AGAST 5–8在两个序列上延迟高于FAST，每帧平均返回0和2个角点，FAST返回8和4个。通过三次运行P + L + Π过程剖析得出，RSS中位数为840.5 MiB，峰值保持在1.08 GiB以下，CPU需求中位数约对应1.84个逻辑核心，系统CPU中位数21.6%、最大值33.4%，221个有效监控样本期间交换消耗保持为零。
5.4 场景相关固定权重敏感性：通过五个点/线/面配置在四个TUM序列和ICL-NUIM lr_kt0–3上各运行三次（共120次平衡比较）得出，在notexture_far上参考配置中位ATE最低为11.85 mm，0.80/0.10/0.10配置为15.56 mm（增加3.71 mm，31.3%）；在texture_near上0.80/0.10/0.10配置为10.09 mm而参考为11.87 mm（降低1.78 mm，15.0%）；在ICL lr_kt1上0.80/0.10/0.10配置为6.89 mm而参考为7.95 mm；在ICL lr_kt3上参考配置中位ATE最低为25.27 mm，其他四个设置为26.95–29.01 mm。120次运行中关联位姿覆盖率为99.50–99.93%。
**讨论与结论**
讨论部分指出，点、线和平面观测因作用于不同空间支持而提供互补几何约束：点重投影将局部图像观测与地图地标关联，端点到直线残差约束投影端点相对延展图像边界，直接平面残差描述沿平面法向的表面方向和距离，平行和垂直平面关系增加结构表面间的方向约束。在低纹理场景中，这些测量族可提供可用点观测中弱表示的约束方向。从P到P + L和P + L + Π的进展与该解释一致。所报告估计器在每次运行期间保持名义信息尺度和模态系数固定，P + L + Π参考使用0.70、0.15和0.15的系数，固定参数化使每种消融模式成为确定的测量配置，敏感性结果表明替代固定设置在特定场景中可产生更低ATE，而参考在notexture_far和lr_kt3最低。固定名义系数下有效测量贡献仍具场景依赖性，关联决定哪些观测进入目标函数，Huber加权限制大残差，固定残差阈值在优化轮间移除外点。平面实例和室内词典在帧级估计之外保存两种状态形式，几何与视觉表征因不同目的而持久：一个整合平面结构，另一个支持关键帧检索。精度提升伴随更高跟踪成本，最大ATE降低发生在从P到P + L（59.2%），P + L + Π相对P + L进一步降低20.2%，P + L + Π的跟踪调用延迟与PLPF-VSLAM报告的约91 ms处于同一量级。评估背景方面，TUM RGB-D评估点特征退化下的跟踪，ICL-NUIM评估位姿和表面重建，走廊实验在D435i和Jetson Xavier NX平台上演示RGB-D感知和平面建图流水线。结论部分翻译如下：本文考察了低纹理室内环境下RGB-D SLAM中的互补结构估计与持久表征。该系统在固定名义信息尺度和模态系数下组合点重投影、端点到直线、直接平面和结构平面关系残差，同时维护用于表面重建的持久平面实例和用于关键帧级位置识别的紧凑室内视觉词典。在TUM RGB-D fr3/structure_notexture_near上，平移ATE RMSE从P的0.052350 m降至P + L的0.021353 m和P + L + Π的0.017041 m，而跟踪调用延迟中位数从16.174 ms增至50.589 ms和92.505 ms。P + L + Π的ATE RMSE比同一序列上三种选定已发表PLP结果低10.3–18.9%。在四个ICL-NUIM序列上，重建RMS保持在0.020–0.055 m范围内。紧凑词典需要15.7 MB并在255 ms内加载。在三次监控的P + L + Π运行中，RSS中位数为840.5 MiB，峰值RSS保持在1.08 GiB以下，CPU需求中位数约为1.84个逻辑核心，交换消耗保持为零。添加线和平面观测在更高跟踪延迟下改善了弱点支持下的轨迹精度。紧凑室内词典降低了存储和初始化成本，约40 m走廊演示展示了集成RGB-D感知和平面建图流水线在机器人平台上的运行。
