ScaRF-SLAM: フィードフォワードモデルと古典的ビジュアルSLAMによるスケール一貫再構成

古典的なfeature-based visual SLAMとgeometric foundation models (GFMs)を組み合わせたScaRF-SLAMを提案する。SLAMはtrackingを担当し、GFMはmappingに専念する分離型フレームワークである。複数のposed keyframeからsubmapを構築し、frameおよびsubmapのscale最適化によりscale consistencyを強制する。各submap内でprojection-based point cloud fusionを行い、feature-based SLAMのtrajectory更新を反映してsubmapをオンライン更新する。loop-richなbuilding-scale indoor datasetとLiDAR ground-truthを導入し、trackingとreconstructionを評価する。

従来はSLAMとGFMを統合し、GFM予測をtrackingに直接用いていたが、GFM予測の幾何的不正確さや不確実性がpose estimationに悪影響を及ぼす問題があった。提案手法はtrackingとmappingを分離し、GFM予測の不正確さをpose estimationに伝播させず、かつreconstructionに幾何制約を課す。実験では既存手法より優れたtrajectory accuracyを示し、reconstruction precisionを10%-20%改善した。

古典的feature-based visual SLAMで低遅延かつ堅牢なtrackingを行う。GFMはmapping専用に使用し、SLAMが生成したposeにmappingをanchorする。depth scaleをまたいだ最適化により、GFM予測の不正確さをpose estimationに伝播させずに幾何制約を課す。複数のposed keyframeからsubmapを構築し、軽量なframeおよびsubmap scale optimizationでscale consistencyを強制する。各submap内でprojection-based point cloud fusionを実行し、feature-based SLAMのtrajectory更新を反映してsubmapをオンライン更新する。

loop-richでbuilding-scaleのindoor datasetを新たに導入し、正確なsensor trajectoryとLiDAR ground-truthを提供する。このデータセットでtrackingとreconstructionを評価する。実験の結果、既存手法より優れたtrajectory accuracyを達成し、reconstruction precisionを10%-20%改善した。building-scale datasetでは10 mチャンクあたり約2 cmのreconstruction error、大規模outdoor datasetではLiDAR ground-truthモデルに対して30 mチャンクあたり10 cmのerrorを達成した。

要旨からは不明。

要旨で参照/比較されている研究や関連手法は明示されていない。同分野の定番として、feature-based visual SLAM (ORB-SLAMなど)、geometric foundation models (DUSt3R, MASt3Rなど)、dense reconstruction、LiDAR ground-truthを用いた評価手法が挙げられる。