SURE-Map：自校正流几何基础模型

流式几何基础模型正在成为 SLAM 系统的一个引人注目的替代方案。然而，这种流式传输性质引入了一个基本问题：每个预测都是在有限的上下文中做出的，这很容易受到动态对象和弱纹理的影响。微小的局部误差累积成严重的几何畸变和长视域尺度漂移。我们认为，可靠的流式重建需要几何基础模型不仅具有预测性，而且能够自我校正。我们推出 SURE-Map，这是一个基于两个互补原则的自我纠正框架。首先，我们明确地模拟跨视图几何不确定性。与主要反映单个视图预测的可靠性的传统深度或点置信度不同，我们的不确定性直接衡量联合预测的姿态和深度是否引起几何一致的跨视图像素对应。其次，由于单独的局部校正无法消除缓慢累积的尺度误差，因此我们引入了多时间尺度自校正：快速连续帧推理保留了流效率，而稀疏关键帧窗口推理提供了更远距离的几何证据，以定期重新校准最近轨迹的尺度。 SURE-Map 为跨长视野基准的在线前馈重建建立了新的最先进性能，将 KITTI 上的 ATE-RMSE 从 24.00 降低到 17.24 m，在 Oxford Spires 上从 5.11 降低到 4.74 m，在 VBR 上从 31.37 降低到 28.58 m，并进一步改进到 15.17、4.63 和 22.12 m 当合并闭环细化时。项目页面：https://mingkai-liu.github.io/projects/sure-map/。