R$^{2}$D-SLAM: A Real-Time and Robust Visual SLAM Framework for Autonomous Navigation in Dynamic Environments

稳健性(进化) 计算机科学 计算机视觉 人工智能 同时定位和映射 弹道 特征匹配 目标检测 姿势 车辆动力学 线程(计算) 特征提取 特征(语言学) 实时计算 匹配(统计) 可视化 机器视觉 卡尔曼滤波器 移动机器人 工程类 遥控水下航行器 视觉对象识别的认知神经科学
作者
Jin Sun,Yile Xutian,Xue Shen,Yue Yin,Haitao Zhao,Tomoaki Otsuki Ohtsuki,Guan Gui
出处
期刊:IEEE Transactions on Vehicular Technology [Institute of Electrical and Electronics Engineers]
卷期号:75 (7): 14835-14848 被引量:1
标识
DOI:10.1109/tvt.2026.3663663
摘要

Classical Simultaneous Localization and Mapping (SLAM) algorithms, fundamental to autonomous navigation, often assume a static environment, an assumption that fails in many real-world scenarios, resulting in significant trajectory drift. This creates a long-standing trade-off in dynamic SLAM: high-accuracy methods are typically too slow for real-time deployment, while real-time systems often suffer from reduced robustness. To address this challenge, we propose R2D-SLAM, a novel real-time visual SLAM framework that achieves both high accuracy and efficiency in dynamic environments. Our system integrates a lightweight and effective dynamic object detector, Detection Transformer (DETR), with an enhanced matching strategy, termed DEIM_Dyna, into the robust ORB-SLAM3 framework. A dedicated parallel thread performs dynamic region detection concurrently with the main SLAM pipeline, enabling early rejection of contaminated features during tracking. This ensures that pose estimation is conducted on a purified, static feature set, significantly improving robustness and accuracy. Extensive experiments on the challenging TUM and BONN dynamic datasets show that R2D-SLAM achieves new state-of-the-art performance in terms of Absolute Trajectory Error (ATE) and Relative Pose Error (RPE), while maintaining real-time processing speeds exceeding 25 FPS. R2D-SLAM effectively bridges the gap between accuracy and efficiency, offering a practical and robust solution for dynamic scene perception in autonomous vehicles and Unmanned Aerial Vehicles (UAVs).

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
桐桐的应助被饼干采纳,获得10
刚刚
Dr完成签到,获得积分10
1秒前
打打的应助被Harry采纳,获得10
1秒前
1秒前
emmm完成签到,获得积分10
1秒前
正直醉卉完成签到,获得积分10
1秒前
745789发布了新的文献求助10
1秒前
meng完成签到,获得积分10
1秒前
1秒前
北街沫雨发布了新的文献求助10
1秒前
2秒前
2秒前
FashionBoy的应助被石愚志采纳,获得10
2秒前
2秒前
Camellia发布了新的文献求助10
3秒前
3秒前
xftx完成签到 ,获得积分10
3秒前
离个大谱发布了新的文献求助20
4秒前
星辰大海的应助被浮光采纳,获得10
4秒前
4秒前
小羊发布了新的文献求助10
4秒前
5秒前
萱酱完成签到,获得积分10
5秒前
HAIY发布了新的文献求助10
6秒前
6秒前
6秒前
优雅女士完成签到,获得积分10
6秒前
三胖发布了新的文献求助10
6秒前
6秒前
理想国完成签到,获得积分10
6秒前
莎缇菈发布了新的文献求助10
8秒前
8秒前
领导范儿的应助被方法采纳,获得10
8秒前
8秒前
FashionBoy的应助被王可以采纳,获得10
9秒前
10秒前
10秒前
美满夏寒发布了新的文献求助10
11秒前
anj发布了新的文献求助10
11秒前
11秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
高分子基功能界面水蒸发材料与应用研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8178139
求助须知:如何正确求助?哪些是违规求助? 9568884
关于积分的说明 21801751
捐赠科研通 7773042
什么是DOI,文献DOI怎么找? 3432685
关于科研通互助平台的介绍 2556748
邀请新用户注册赠送积分活动 2478223