获得本届CSIG图像图形技术挑战赛总决赛亚军军的团队是视觉惯性SLAM赛道冠军“幸运的深不见底”队和激光SLAM挑战环境下建图竞赛赛道冠军“江淮前沿技术协同创新中心”队。

“幸运的深不见底”队伍介绍

视觉惯性SLAM分赛道的冠军团队“幸运的深不见底”，来自北京理工大学光电学院。

一、 赛道介绍

视觉惯性SLAM赛道由拉斯维加斯手机娱乐网站 （CSIG）主办，商汤科技和西北工业大学承办。该赛道的设置旨在进一步推动图像图形技术在具体应用领域的深化与拓展，通过扩大企业产品开源技术的推广范围，为相关产业发展注入新的活力，同时帮助企业吸引更多优秀人才投身于图像图形技术领域。

视觉惯性SLAM是最常用的SLAM技术之一，目前基本理论已较为成熟，然而当面向实际应用时，仍面临着诸多挑战。一方面，随着应用场景不断扩大，如何在大尺度复杂场景实现精准、鲁棒的定位跟踪，仍是一个亟待解决的难题；另一方面，目前多数方法只适用于传感器质量较好的高端设备，而部署至中低端设备时表现欠佳。

 图 1 数据集采集设备与相关信息

此次竞赛特别推出了一套精心设计的数据集，该数据集涵盖了不同尺度的场景以及由高、中、低端不同手机采集的视觉惯性数据，能够从跟踪精度、初始化质量、跟踪成功率、跟踪鲁棒性和计算效率等多个关键方面，对参赛团队所提交的SLAM系统的整体性能进行全面、客观、科学的评价。

 图 2 VI-SLAM 挑战数据集中的大场景数据

二、 参赛方案

本队伍提供的参赛作品为《XVI-SLAM: Robust Visual-Inertial SLAM With XFeat Feature》。

 图 3 XVI-SLAM的系统结构

该作品提出了一个名为XVI-SLAM的基于XFeat特征点的SLAM系统，旨在改进VINS-Fusion系统。XVI-SLAM系统由视觉惯性前端、非线性优化后端和闭环检测三个核心模块构成。在前端，该队伍采用了改进版的XFeat特征点技术，该技术是一种轻量级CNN架构，专门用于加速稀疏图像匹配的特征提取，能够在资源受限的设备上实现快速且稳健的图像匹配，关键点提取的计算时间在GPU加速下可控制在5.2毫秒以内。后端则负责将前端获取的特征信息与IMU测量数据对齐，并执行滑动窗口优化。此外，该队伍还使用了动态残差调整，依据IMU的姿态与图像的跟踪效果，动态调整IMU的残差与点的重投影误差比例。

 图 4 用于训练XFeat的数据集序列

三、 总结与展望

实验表明，XVI-SLAM在某些传统KLT方法失效的场景中显著提高了跟踪的鲁棒性。该队伍的系统不仅提高了图像匹配的效率和准确性，还增强了在复杂环境中的稳定性和可靠性，为视觉-惯性SLAM领域提供了一种新的解决方案。

 图 5 最终数据集的结果评测

四、 团队及成员介绍

该团队成员包括吴昱臻和张廉两名博士研究生，白宇、韩旭东和陈明坤三名硕士研究生，指导教师为王岭雪副教授。该团队来自复杂环境智能感测技术工信部重点实验室，主要研究方向为复杂战场环境下的态势感知技术，包括：多波段目标检测与跟踪、多传感器融合SLAM。

“江淮前沿技术协同创新中心”队伍介绍

江淮前沿技术协同创新中心成立于2021年9月，坐落在安徽省合肥市，是安徽省委批准设立、省部共建的新型研发机构。江淮中心以加快建设世界重要人才中心和创新高地为指引，以打造战略科技创新重要一极为目标，围绕智能科技和人形机器人主轴主线，聚焦智能技术、无人系统、测试评估等领域方向。

一、参赛方案介绍

针对“林业环境”、“多层环境”、“弱GNSS环境下，道路往返”三个比赛场景，结合团队之前在激光惯性里程计方法的技术积累，设计提出了一套结合紧耦合前端与因子图优化后端的SLAM框架，突破了固态激光雷达高效分割聚类、基于FPFH的回环检测、基于主成分的退化状态检测、基于法向量约束的点云匹配、基于轨迹对齐的GPS数据融合和基于附加反射强度约束的点云配准6大核心关键技术，算法在建图精细度、定位精度、点云厚度、建筑物垂直度与平行度、成图效率等方面表现优秀，出色地完成了所有比赛任务。江淮前沿技术协同创新中心以初赛和复赛均获第一的成绩，摘取 “2024全国SLAM技术论坛激光SLAM挑战赛”桂冠。

 图 5 算法总体框架示意图

 图 6 三个场景的激光雷达建图结果

 六、总结和展望

目前，激光SLAM算法已经得到了广泛的发展，但在多楼层环境、林区以及与弱GNSS信号融合等场景下，实现高精度定位仍面临巨大挑战。本次激光SLAM挑战赛延续一贯的目标，聚焦行业痛点，致力于推动激光SLAM在这些领域的实际应用，为行业发展注入新动力。在比赛过程中，本团队充分发挥在激光SLAM领域的技术积累，逐步攻克了各项关键挑战。针对每个场景中的具体问题，提出了有针对性的解决方案，并凭借以往丰富的工程实践经验，迅速识别并确定了最优的方案路线。通过多轮优化和验证，团队成功突破了技术瓶颈，最终荣获冠军。

未来，团队将继续秉承创新与实践并重的理念，深入攻克极端退化环境和多传感器融合定位技术。不断优化现有算法和系统，以应对复杂恶劣环境下的定位与地图构建挑战，进一步提升系统在各种条件下的鲁棒性与稳定性。