Dy3DGS-SLAM：用于动态环境的单目3D高斯溅写SLAM
计算机视觉与模式识别
2025-06-09 v1
摘要
目前基于神经辐射场（NeRF）或3D高斯溅写（3D Gaussian Splatting）的SLAM方法在重建静态3D场景方面表现优异，但在动态环境（如具有运动元素的数据场景）中进行跟踪和重建时仍面临挑战。已有针对动态挑战的基于NeRF的SLAM方法通常依赖RGB-D输入，很少有方法能够仅使用纯RGB输入。为克服这些限制，我们提出了Dy3DGS-SLAM，即首个针对单目RGB输入的动态场景3D高斯溅写SLAM方法。为解决动态干扰，我们通过概率模型融合光流掩码和深度掩码，以获得融合动态掩码。该方法仅需一次网络迭代即可约束跟踪尺度并优化渲染几何。基于融合动态掩码，我们设计了新的运动损失，以约束用于跟踪的姿态估计网络。在映射过程中，我们使用动态像素的渲染损失、颜色和深度，以消除由动态对象引起的瞬时干扰和遮挡。实验结果表明，Dy3DGS-SLAM在动态环境下的跟踪和渲染性能均达到最先进水平，优于或相当于现有的RGB-D方法。
引用
@article{arxiv.2506.05965,
title = {Dy3DGS-SLAM: Monocular 3D Gaussian Splatting SLAM for Dynamic Environments},
author = {Mingrui Li and Yiming Zhou and Hongxing Zhou and Xinggang Hu and Florian Roemer and Hongyu Wang and Ahmad Osman},
journal= {arXiv preprint arXiv:2506.05965},
year = {2025}
}