DAGS-SLAM：基于时空运动概率和不确定性感知调度的动态感知3DGS SLAM
机器人学
2026-03-02 v2
摘要
移动机器人和物联网设备对实时定位和稠密重建提出了严格的计算和能源预算要求。虽然3D高斯溶解（3DGS）实现了高效的稠密SLAM，但动态对象和遮挡仍会降低跟踪和映射质量。现有的动态3DGS-SLAM方法通常依赖重型光流和逐帧分割，对移动部署不友好且在挑战性照明条件下脆弱。我们提出了DAGS-SLAM，一种动态感知3DGS-SLAM系统，维护每个高斯分布的时空运动概率（MP）状态，并通过不确定性感知调度器按需触发语义处理。DAGS-SLAM将轻量级YOLO实例先验与几何线索融合，以估计和更新MP，将MP传递到前端进行动态感知配对选择，并通过MP引导的优化抑制动态伪影。在公开的动态RGB-D基准测试中进行实验，结果表明该方法在保持实时吞吐量的同时，在商品级GPU上实现改进的重建和稳健跟踪，展示了在移动部署中具有实用速度-精度权衡的潜力，显著减少语义调用次数。
引用
@article{arxiv.2602.21644,
title = {DAGS-SLAM: Dynamic-Aware 3DGS SLAM via Spatiotemporal Motion Probability and Uncertainty-Aware Scheduling},
author = {Li Zhang and Yu-An Liu and Xijia Jiang and Conghao Huang and Danyang Li and Yanyong Zhang},
journal= {arXiv preprint arXiv:2602.21644},
year = {2026}
}