通过骨架对齐与高斯自适应特征的自动化 3D-GS 配准与融合
计算机视觉与模式识别
2025-07-29 v1
摘要
近年来，基于 3D 高斯溅射（3D-GS）的场景表示在实时渲染和训练效率方面展现出巨大潜力。然而，现有大多数方法主要关注单地图重建，而多个 3D-GS 子地图的配准与融合仍待探索。现有方法通常依赖人工干预选择参考子地图作为模板，并使用点云匹配进行配准。此外，对 3D-GS 基元的硬阈值滤波通常会降低融合后的渲染质量。在本文中，我们提出了一种用于自动化 3D-GS 子地图对齐与融合的新方法，消除了人工干预的需求，同时提高了配准精度和融合质量。首先，我们跨多个场景提取几何骨架，并利用椭球感知卷积捕获 3D-GS 属性，从而实现稳健的场景配准。其次，我们引入了多因子高斯融合策略，以缓解由刚性阈值引起的场景元素丢失。在 ScanNet-GSReg 和我们的 Coord 数据集上的实验证明了所提方法在配准和融合中的有效性。在配准方面，它在复杂场景中将 RRE 降低了 41.9%，确保了更精确的位姿估计。在融合方面，它将 PSNR 提高了 10.11 dB，突显了卓越的结构保留能力。这些结果证实了其增强场景对齐和重建保真度的能力，确保为机器人感知和自主导航提供更一致、更准确的 3D 场景表示。
引用
@article{arxiv.2507.20480,
title = {Automated 3D-GS Registration and Fusion via Skeleton Alignment and Gaussian-Adaptive Features},
author = {Shiyang Liu and Dianyi Yang and Yu Gao and Bohan Ren and Yi Yang and Mengyin Fu},
journal= {arXiv preprint arXiv:2507.20480},
year = {2025}
}
备注
Accepted to IROS 2025