弱纹理高动态下定位稳
面向复杂光照和动态场景，该网络以深度学习方法替代传统手工特征，显著提升视觉SLAM在挑战性室内环境下的可靠性与精度。
Ningning, Li · 解则晓 · Wang, Xiaomin · Ruiyao, Wang
Pattern Recognition 2026
RDFNet 提取的特征更丰富、更具判别性，即使纹理稀疏也能获得足够稳定匹配，从而降低定位误差。
融合目标检测、运动一致性和深度几何约束的剔除机制能有效过滤动态物体上的特征点，避免跟踪漂移。
场景自适应关键点选择策略根据环境冗余度动态确定提取数量，在保证精度的同时节省计算资源。