{
  "paper_id": "a81e1a65859af5c39cef628cd129f7c9",
  "paper_title": "DVL-SLAM: sparse depth enhanced direct visual-LiDAR SLAM",
  "paper_authors": [
    "Young-Sik Shin",
    "Yeong Sang Park",
    "Ayoung Kim"
  ],
  "publication_date": "2019-08-06",
  "publication_venue": "Autonomous Robots (Springer Science+Business Media, LLC)",
  "abstract": "This paper presents a framework for direct visual-LiDAR SLAM that combines the sparse depth measurement of light detection and ranging (LiDAR) with a monocular camera. The exploitation of the depth measurement between two sensor modalities has been reported in the literature but mostly by a keyframe-based approach or by using a dense depth map. When the sparsity becomes severe, the existing methods reveal limitation. The key finding of this paper is that the direct method is more robust under sparse depth with narrow field of view. The direct exploitation of sparse depth is achieved by implementing a joint optimization of each measurement under multiple keyframes. To ensure real-time performance, the keyframes of the sliding window are kept constant through rigorous marginalization. Through cross-validation, loop-closure achieves the robustness even in large-scale mapping. We intensively evaluated the proposed method using our own portable camera-LiDAR sensor system as well as the KITTI dataset. For the evaluation, the performance according to the LiDAR of sparsity was simulated by sampling the laser beam from 64 to 16 and 8. The experiment proves that the presented approach is significantly outperformed in terms of accuracy and robustness under sparse depth measurements.",
  "keywords": [
    "Direct visual SLAM",
    "Camera-LiDAR",
    "Sparse depth"
  ],
  "paper_institutions": [
    "Korea Advanced Institute of Science and Technology (KAIST)"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "glm-5.3",
  "prompt_template": "simple",
  "extracted_at": "2026-09-17T09:38:23.109044Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文针对单目视觉SLAM固有的尺度模糊问题，以及低成本稀疏LiDAR（如16线、8线及窄视场固态LiDAR）深度难以有效融合进视觉SLAM的挑战，提出DVL-SLAM——一种直接利用LiDAR稀疏深度增强的直接法视觉-LiDAR SLAM框架。与既有依赖关键帧特征匹配（如DEMO、LIMO）或稠密深度图（如RGB-D SLAM）的方法不同，本文的核心发现是直接法在窄视场稀疏深度条件下更为鲁棒：系统在多关键帧滑动窗口内对光度误差与LiDAR深度测量进行联合优化，直接利用稀疏深度而无需视觉特征。前端包含基于稀疏模式块的光度误差跟踪（核心残差 r(p_i)=I_j(π(T_ji p_i))−(a·I_i(π(p_i))+b)，配合t分布鲁棒权重与仿射光照模型）、基于相机位姿插值的LiDAR运动畸变校正、按方位/俯仰角2度空间分箱选取最大梯度点的显著点采样，以及基于DBoW词袋与双向相对位姿交叉验证的回环检测；后端采用g2o位姿图优化保证全局一致性，并通过Schur补边缘化维持固定窗口大小以保障实时性。作者选用自研便携相机-LiDAR系统（VLP-16与90°水平FOV相机）及KITTI公开数据集进行评估，并将64线激光降采样至16线和8线以模拟稀疏性，验证方法在不同稀疏程度下的鲁棒性：KITTI上64线与16线平均平移误差均为0.98%（优于DEMO的1.16%），8线为1.52%（高速公路序列除外）；室外校园实验（3.97 km、两个回环）绝对位置误差8.77 m，约为ORB-SLAM（17.42 m）的一半；室内180 m走廊实验中基于ArUCo标记的相对位置平均误差约0.105 m。这些指标证明直接法联合优化在稀疏深度下的精度与鲁棒性优势。未来方向包括显式处理遮挡、融合语义信息应对动态物体、利用LiDAR几何信息增强光照变化鲁棒性及将外参纳入优化。该方法适用于自动驾驶与野外机器人导航等真实场景，但受限于两传感器视场重叠区域小、遮挡引起的点缺失，以及极端稀疏（8线）下高速动态环境误差增大。\n\n### 关键要点\n- 提出DVL-SLAM，据作者所知是首个将LiDAR稀疏深度直接应用于直接法视觉SLAM的框架，无需视觉特征即可消除单目尺度模糊并直接在图像域利用深度测量。\n- 核心机制为滑动窗口内多关键帧联合光度优化，残差定义为 r(p_i)=I_j(π(T_ji p_i))−(a·I_i(π(p_i))+b)，采用t分布鲁棒权重（自由度ν=5）与仿射光照模型应对自动曝光引起的光照变化。\n- 为保证实时性，滑动窗口通过Schur补严格边缘化最旧关键帧，窗口大小固定为3–10帧（KITTI/室外为5，室内为7），且因LiDAR测距精确仅优化关键帧位姿而不优化点。\n- 显著点采样策略将方位角与俯仰角按2度划分为空间分箱，每箱选取图像梯度最大的点，兼顾空间分布均匀性与信息量，将计算复杂度保持在常数时间。\n- LiDAR运动畸变通过相机位姿线性插值（T_τ=T_k exp(λξ_{k,k+1})）补偿，并将去畸变后的点云关联至最近的相机帧以构成帧。\n- 回环检测基于DBoW词袋模型（L1归一化相似度得分，阈值α=0.7），并通过双向相对位姿交叉验证（‖log(T_qc T_cq)‖<ε）替代特征法中的RANSAC几何验证，配合动态协方差缩放（DCS）防止不可靠约束导致失败。\n- KITTI里程计基准上，64线与16线LiDAR的平均平移误差均为0.98%，优于对比方法DEMO的1.16%；8线为1.52%，仅高速公路序列01因动态环境重复纹理误差达7.25%。\n- 自研传感器系统由VLP-16 LiDAR与90°水平FOV、800×600@40Hz相机构成；室外校园实验（3.97 km、两个回环）绝对位置误差为8.77 m（16线）与11.58 m（8线），约为ORB-SLAM（17.42 m）的一半。\n- 室内GPS拒止环境实验在180 m走廊中手持传感器行走三圈，基于四个ArUCo标记测得的相对位置RMSE平均约0.105 m，验证回环闭合与位姿图优化维持全局地图一致性的能力。\n- 误差分析表明随累积路径长度增加，平移误差稳步有界（约降低10%）且旋转误差随之降低；车速越快旋转误差越小（源于非完整约束平台特性），但8线极稀疏测量下误差随车速增加。\n- 局限与约束包括：两传感器位移导致多帧间遮挡点问题（点采样与外点剔除仅部分缓解）、LiDAR窄视场使与相机共视体积小、极稀疏深度在高速动态场景误差显著增大。\n- 未来工作包括显式处理遮挡、融合语义信息以应对动态物体与杂乱环境、利用LiDAR几何信息提升光照变化下的鲁棒性，以及将两传感器外参纳入优化器以进一步提升精度。"
}