NTU发布即插即用的嵌入式SLAM新SOTA！

导读：

当前的SLAM技术正逐渐向轻量化和高效化发展，在保证定位精度的同时，研究者们越来越倾向于简化冗余的框架，以在效率和性能之间找到最佳平衡点。

一个优秀的SLAM系统不仅需要提供精确的定位数据，还必须能够在不同平台上实时运行，尤其是在低算力的平台上仍需表现出色。此外，SLAM的部署一直是个挑战，将复杂的框架从高算力的PC平台移植到嵌入式平台时，往往会遇到许多问题。

今天这篇AirSLAM提出的方法很好地解决了这些问题，不仅在效率和性能之间实现了良好的平衡，还显著简化了部署过程（可以达到即插即用），并且在低算力平台上，还能以40Hz的速度实时运行！©️【深蓝AI】编译

1. 问题引人

vSLAM在机器人导航中起着至关重要的作用，因为它在成本和精度之间实现了良好的平衡。与LiDAR SLAM相比，vSLAM使用更为经济且紧凑的传感器，能够实现精确定位，这使得它在各类应用中有着广泛的前景。此外，相机不仅能捕捉到丰富的视觉信息，还能为机器人提供更强的定位能力。

然而，尽管vSLAM技术近年来取得了显著进展，现有的系统在光照条件恶劣的环境下仍然表现不佳。主要有两个方面的挑战：一是由于光照剧烈变化或低光环境，特征检测和跟踪往往会失败，导致定位轨迹的质量下降；二是在重定位时，光照变化可能显著降低匹配成功率。AirSLAM将第一个问题称为短期光照挑战，它影响的是相邻帧之间的姿态估计；而第二个问题称为长期光照挑战，它影响的是查询帧与现有地图之间的匹配。总结一下，就是光照条件对于vSLAM的影响是很大的，光照的变化对于整体的定位和回环过程都造成不同程度的影响，如何处理好整体vSLAM系统在不同关照条件下的运行能力，是该SLAM系统是否优秀，鲁邦的关键。

现有的方法通常只关注这两个挑战之一。例如，一些图像增强和归一化算法能够在一定程度上改善特征跟踪，但它们往往难以应对各种复杂的光照条件。还有一些系统通过在包含各种光照条件的大型数据集上训练SLAM网络来提高鲁棒性，但这些方法在生成适合长期重定位的地图时仍然存在困难。

为了解决这些问题，AirSLAM系统应运而生。AirSLAM通过结合点和线特征来提升vSLAM系统的精度和鲁棒性，并在效率与性能之间找到了一个平衡。AirSLAM设计了一个混合系统，利用学习方法进行特征检测和匹配，同时使用传统的几何方法进行姿态和地图优化。此外，为了提高特征检测的效率，AirSLAM开发了一个能够同时检测点和线特征的统一模型。AirSLAM还引入了一种多阶段重定位策略，以应对长期光照挑战，使系统能够在不同光照条件下保持稳定的表现。这个框架的设计使得整个SLAM系统特别的轻量化，对于部署十分的友好，能够很轻松的部署在各种低算力的嵌入式平台。

通过实验验证，AirSLAM不仅在各种光照挑战条件下实现了准确且鲁棒的建图和重定位，还展示出了很高的运行效率，能够在PC上达到73Hz，在嵌入式平台上则达到40Hz。