KP-SLAM：面向鲁棒一致性稠密建图的联合流-点图先验同步方法

《Symmetry》：KP-SLAM: Joint Flow-Pointmap Prior Synchronization for Robust Consistent Dense Mapping

　　

单目RGB稠密同时定位与建图（SLAM）仍具挑战性，因为深度与全局度量尺度无法从单一相机直接观测得到。现有系统常将独立训练网络预测的光流与单目几何先验结合，这会给捆集调整（BA）带来不一致约束。研究人员定量先验一致性分析表明，这种不一致是局部优化不稳定与重建误差的重要贡献因素，而非漂移的唯一原因。研究人员提出KP-SLAM，其从共享表征预测稠密光流与配对点图先验，并将二者纳入同一BA后端。研究人员进一步引入深度-尺度-位姿到点图（DSPP）目标，将优化的逆深度、边级相对尺度与相机位姿关联至配对点图约束。在ScanNet、TUM-RGBD、KITTI、Tanks-and-Temples及动态序列上的实验显示，在报告设置下，相较对比的仅RGB基线，跟踪、深度与渲染指标均获提升。结果支持了同步先验的效用，同时也揭示了在高度动态、弱纹理及大规模场景中的剩余局限。

研究背景方面，基于单目RGB相机的实时稠密视觉SLAM因低成本、部署灵活被广泛关注，但单目图像序列固有的尺度歧义与缺乏显式几何深度约束，使高精度稠密几何地图重建与稳定轨迹跟踪仍具难度。现代单目稠密SLAM依赖学习化先验：光流驱动方法通过稠密对应约束帧间运动但不解尺度歧义；几何先验（单目深度或点图）提供三维信息却存在时序或尺度不一致。当光流与几何先验由独立训练网络给出时，其二维对应与三维预测在同一位姿、深度、尺度假设下未被显式约束一致，竞争残差进入BA会导致轨迹误差或扭曲重建。研究人员将先验不一致视为优化困难的相关源之一，同时承认漂移还受图像纹理、相机运动、动态内容、回环及因子图条件数影响。为此，研究人员开展KP-SLAM研究，设计共享双任务先验网络与DSPP目标，在ScanNet、TUM-RGBD、KITTI、Tanks-and-Temples及动态序列上验证同步先验可提供更兼容BA的几何引导，结论支持同步先验有用性，但高度动态、弱纹理、大规模场景仍存局限。论文发表于《Symmetry》。

关键技术方法上，研究人员构建权重共享Vision Transformer（ViT）编码器与跨注意力Transformer解码器，双任务头分别输出稠密光流（RAFT式4D相关体+ConvGRU递归更新）与DUSt3R/MASt3R式配对点图及置信图，在7帧窗口上以加权点图欧氏距离损失、流损失与位姿损失联合训练，骨干初始化自MASt3R、流分支部分初始化自droid-net，训练数据含TartanAir合成序列及带真值位姿的RGB-D序列。跟踪端在GO-SLAM式因子图上以8关键帧滑动窗联合优化Dense Bundle Adjustment（DBA）与DSPP残差；DBA用光流先验最小化多视投影误差，DSPP以边级相对尺度ξ_ij与归一化置信将优化逆深度/位姿与点图对齐写为加权最小二乘残差。映射端以BA逆深度与置信过滤点图补全无深度区，初始化3D高斯溅射（3DGS）图并渲染监督。

研究结果部分，引言指出单目稠密SLAM分几何先验与流驱动两类，KP-SLAM以共享网络耦合二者并在同BA评估一致性。相关工作明确方法新颖性边界：DBA取自DROID-SLAM，点图表示取自DUSt3R/MASt3R，因子图管理取自GO-SLAM，共享编码+DSPP+置信过滤点图补全高斯初始化为本文耦合贡献。方法节中3.1给出因子图G=(V,E)、DBA方程(1)以逆深度d与位姿T_i、T_j投影误差定义，DSPP方程(3)含两项分别对齐i视图点图X_i⁽ⁱ⁾与j视图点图经T_ij变换后至i系的表达，固定变量时ξ_ij有闭式解方程(4)，说明边尺度吸收相对点图尺度歧义；3.2述网络架构与训练目标方程(6)(7)(8)，点图支归一化消尺度歧义，流支用位姿+流损失，共享编码器减特征不一致；3.3跟踪以光流幅选关键帧、滑动窗BA、回环触发全局BA，映射以BA深度与置信>τ的点图深度建代理深度d_proxy方程(9)初始化高斯。实验节4.1在ScanNet/TUM-RGBD示KP-SLAM于PSNR、SSIM、LPIPS、深度L1、ATE均取报告均值最优，高斯数少于Splat-SLAM，ScanNet深度误差下降经Wilcoxon检验显著（p<0.05），其余指标为数值改善；先验一致性分析表7示相较DROID+DUSt3R，点图-流不一致降28.5%、BA残差方差降26.5%；室外KITTI-00 ATE自36.9cm降至31.8cm、PSNR+0.69dB；动态序列平均ATE降约12.3%，Bonn/Crowd提升小；运行时3.4FPS、峰值10.9GB显存、BA时间降15.5%。4.2消融表5示完整配置最优但配置级非因果隔离。4.3局限含静态假设、动态占用大时互一致仍错、低视差弱纹理边ξ_ij弱约束、离线训练重、嵌入式未验。

讨论与结论翻译：研究人员提出KP-SLAM，一种仅RGB稠密SLAM框架，从共享表征预测光流与配对点图先验并纳入通用BA后端；DSPP添边级三维一致残差，关联共视关键帧间优化逆深度、相对尺度与相机位姿，补DBA之二维对应约束。在ScanNet、TUM-RGBD、KITTI、Tanks-and-Temples及动态序列实验显示，报告协议下跟踪、深度、渲染与效率指标优于对比基线；序列级统计支持ScanNet深度误差显著下降，其余指标较小增益应解为观测数值改善而非普适统计优效。方法仍受限为重离线训练、依赖预训练先验、对高动态或病态条件场景敏感及全局图成本增长。未来工作聚焦物体感知动态处理、校准不确定性、轻量部署架构与更广长期室外评估。