DGS-SLAM：动态环境下的高斯泼溅 SLAM
机器人学
2024-11-19 v1
摘要
我们提出动态高斯泼溅 SLAM（DGS-SLAM），首个建立在高斯泼溅基础上的动态 SLAM 框架。尽管稠密 SLAM 的最新进展利用高斯泼溅增强场景表达，但大多数方法假设环境静态，使其易受动态物体引起的光度和几何不一致影响。为应对这些挑战，我们将高斯泼溅 SLAM 与稳健过滤过程相结合，在整个流程中处理动态物体，包括高斯插入和关键帧选择。在此框架内，为进一步提高动态物体移除的准确性，我们引入一种稳健掩码生成方法，强制关键帧间的光度一致性，减少不准确分割和阴影等伪影带来的噪声。此外，我们提出环感知窗口选择机制，利用 3D 高斯的唯一关键帧 ID 检测当前帧与历史帧间的回环，促进当前相机位姿与高斯地图的联合优化。DGS-SLAM 在各种动态 SLAM 基准上在相机跟踪和新视角合成方面均达到最先进性能，证明其在处理真实世界动态场景中的有效性。
引用
@article{arxiv.2411.10722,
title = {DGS-SLAM: Gaussian Splatting SLAM in Dynamic Environment},
author = {Mangyu Kong and Jaewon Lee and Seongwon Lee and Euntai Kim},
journal= {arXiv preprint arXiv:2411.10722},
year = {2024}
}
备注
Preprint, Under review