保持冷静：通过助理眼利用视觉几何基础模型实现免校准公里级 SLAM

视觉几何基础模型 (VGFM) 在局部重建中展示了卓越的零样本能力。然而，将它们部署用于公里级同步定位和建图 (SLAM) 仍然具有挑战性。在这种情况下，当前的方法主要依靠线性变换（例如 Sim3 和 SL4）来进行子图对齐，而我们认为单个线性变换从根本上不足以对 VGFM 输出中固有的复杂的非线性几何失真进行建模。强制这种严格的对齐会导致未校正残差的快速积累，最终导致显着的轨迹漂移和地图发散。为了解决这些限制，我们提出了 CAL2M（基于免校准助手眼的大规模定位和测绘），这是一种与任意 VGFM 兼容的即插即用框架。与传统系统不同，CAL2M引入了“辅助眼”，仅利用恒定物理间距的先验，有效消除尺度模糊性，而无需任何时间或空间预校准。此外，利用精确特征匹配的假设，我们提出了极线引导的内在和姿态校正模型。在在线内参搜索模块的支持下，它可以通过基本矩阵分解有效地纠正因内参不准确而导致的旋转和平移误差。最后，为了确保准确的映射，我们引入了基于锚传播的全局一致的映射策略。通过在轨迹上构建和融合锚点，我们建立了直接的局部到全局的映射关系。这使得能够应用非线性变换来弹性对齐子图，有效地消除几何错位并确保全局一致的重建。 CAL2M 的源代码将在 https://github.com/IRMVLab/CALM 公开提供。