低光照 RGB SLAM 只有惯导融合和全局优化才稳
ucu-autonomous-ugv · hf · 2026-07-23
低光照 SLAM：只靠 RGB 很难稳住，惯导融合和全局优化更关键
这份项目报告对 6 个 SLAM/VIO 系统 做了低光照对比：ORB-SLAM3、DSO、Kimera-VIO、OpenVINS、DPVO、DPV-SLAM，测试场景覆盖 5 段 LaMARia 序列，难度和光照条件各不相同。
主要结果
- Kimera-VIO 是唯一能把 全部 5 段序列 都跟踪到结束的系统。
- 它的 相对位姿误差最低，但由于没有 loop closure，绝对误差会持续累积。
- DPVO 和 DPV-SLAM 虽然都不会丢跟踪，但在低光下的绝对漂移会达到 约 100 米。
- 传统单目管线 ORB-SLAM3、DSO，以及滤波式的 OpenVINS，在更困难的低光序列上经常直接失败或发散。
结论
作者认为，仅靠 RGB 的 SLAM 要在黑暗环境里稳定工作，必须同时具备惯导融合和全局优化。想进一步补齐差距，要么做 面向低光的学习式前端，要么还是得依赖 LiDAR、深度或热成像 等互补传感。
「具身」频道最新
- 一个可穿戴触觉控制器把 AI 语音交互做成按住、提交、回看 — Real-Command1804 · 2026-07-23
- GeneralistAI 认为机器人手形不如驱动它的智能重要 — E0M · 2026-07-23
- NVIDIA Isaac Sim 演示用 Codex 和 MCP 挪动车门架 2 米 — MonaJalal_ · 2026-07-23
- AI 眼镜要先解决旁观者信任，才能进入公共场景 — IronCuk · 2026-07-23
- GEN-1 开始支持从五指机械手到专用工具的多种末端执行器 — k7agar · 2026-07-23
- YC 支持的 Tornyol 正测试 40 克空中捕虫无人机 — Olivier__OG · 2026-07-23