SFSE-SLAM：面向动态室内场景鲁棒视觉SLAM的语义-几何滤波与纹理感知补偿方法

《Algorithms》：SFSE-SLAM: Semantic-Geometric Filtering and Texture-Aware Compensation for Robust Visual SLAM in Dynamic Indoor Scenes

　　

视觉同时定位与建图（Simultaneous Localization and Mapping，SLAM）在动态室内环境中仍具挑战性，因为运动物体引入不可靠对应关系，而移除动态特征点常导致低纹理区域静态特征不足。研究人员提出SFSE-SLAM（Semantic Feature Selection and Enhancement SLAM），一种结合语义-几何特征滤波与纹理感知特征补偿的鲁棒视觉SLAM框架，以提升动态干扰下的位姿估计性能。该框架首先通过像素级语义分割识别潜在动态区域并移除高动态物体相关特征；为减少过滤波并处理半静态物体，进一步利用深度变化与多视图几何一致性区分连续帧间静态与运动特征点。动态滤波后，引入学习型局部特征提取器提升可靠静态区域的描述子判别力与特征密度。语义置信度加权与静态区域特征补偿两个模块自适应调整特征提取阈值，使低纹理但几何有用区域贡献更稳定对应关系。系统在TUM RGB-D数据集（高动态人体运动）与Bonn数据集（抛气球、移箱等非人体复杂动态物体）上评估，结果表明该方法在高动态场景提升定位鲁棒性，轨迹误差较传统基于ORB的SLAM及多种动态SLAM基线降低；在TUM fr3-walking-xyz序列上绝对轨迹误差（Absolute Trajectory Error，ATE）RMSE达0.0148 m，较ORB-SLAM3降低97.9%。研究证明融合语义先验、几何验证与自适应特征增强对动态室内定位具有潜力。

研究背景方面，视觉SLAM因RGB-D传感器低成本在室内部署具吸引力，但传统系统假设静态环境，真实室内常受行人家具等动态扰动产生误匹配、破坏地图一致性并降低位姿精度；同时空白墙面等低纹理区域使ORB等二进制描述子特征覆盖不足。现有动态SLAM方法多依赖几何鲁棒估计、语义掩膜或实例分割，但忽视半静态物体（如被移动的椅子），且深度学习特征（SuperPoint、GCNv2）在动态导致静态点锐减时仍会匹配退化。为此，研究人员在ORB-SLAM3基础上构建SFSE-SLAM，集成YOLOv11-SEG像素级分割、深度-极线几何二级滤波、SuperPoint提取与语义置信度驱动的自适应阈值补偿，解决“动态点污染”与“静态点枯竭”两重交织问题。论文发表于《Algorithms》。

关键方法上，研究人员选用YOLOv11-SEG作分割后端（兼顾COCO上速度与精度），定义动态类集合D={person, bicycle, car, dog, cat, bird}；对语义保留点用相邻帧基础矩阵F算极线距离E_i与归一化深度差D_i得动态分数s_i=α·D?_i+β·?_i，阈值T=0.25判动态；静态区用SuperPoint提点，以帧内平均语义置信c?与全局留存比r=b/a驱动自适应阈值τ=τ₀?λ_c·c?+λ_r·φ(r)恢复低纹理点。实验在Intel i5-12600K+RTX 3050 Ubuntu20.04上进行，数据来自公开TUM RGB-D（fr3/walking子集四序列）与Bonn（七序列含balloon、crowd、person-tracking）。

研究结果部分，第3节方法论表明：3.1语义与几何约束动态特征去除通过两级流水线（语义硬剔+几何精剔）在fr3-walking-static上保留静止人体点，解决硬掩膜误删；3.2纹理感知静态特征补偿用式(8)(12)将语义置信与特征比反馈进阈值，使低纹理墙地补点。第4节实验中，4.1消融显示在fr3-walking-xyz仅加YOLOv11-SEG使RMSE较ORB-SLAM3降97.9%，叠加SuperPoint再降23.7%，加自适应阈值达厘米级；4.2 TUM上SFSE-SLAM在xyz/rpy/half序列ATE RMSE分别为0.0148 m等，较ORB-SLAM3最高降97.9%，优于SG-SLAM、DN-SLAM、FD-SLAM；4.3 Bonn上person-tracking序列RMSE 0.0214 m/0.0279 m优于SG-SLAM的0.0400 m/0.0376 m，但crowd2序列0.0631 m逊于DN-SLAM 0.028 m，归因区域级滤波在密集占用场景过度削点。

讨论与结论翻译：研究人员指出当前实现每帧两次深度推理致近实时而非实时，密集动态占用（Bonn Crowd2）下区域滤波过削且补偿受静态面积绑限，半静态专用消融缺失。结论重申SFSE-SLAM通过YOLOv11-SEG动态掩膜与深度几何一致性联合滤波，配合SuperPoint与语义置信加权，在动态室内提升低纹理区特征密度与质量；TUM与Bonn验证其在高动态场景优位。未来方向含轻量分割架构、端到端多模态融合、真实机器人验证与同硬件基线扩充。