基于事件的RGB-D高斯溅射SLAM（EGS-SLAM）
机器人学
2025-08-12 v1
摘要
高斯溅射SLAM（Gaussian Splatting SLAM, GS-SLAM）相较于传统SLAM方法取得显著进步，实现了常规方法难以企及的全景3D重建。然而，现有GS-SLAM系统在实际场景中常见的持续严重运动模糊下表现不佳，导致跟踪精度显著下降并损害3D重建质量。为此，我们提出EGS-SLAM——一种将事件数据与RGB-D输入融合的新型GS-SLAM框架，同时降低图像运动模糊并弥补事件流稀疏离散的特性，实现稳健的跟踪和高保真度3D高斯溅射重建。具体而言，本系统明确建模相机在曝光期间的连续轨迹，支持事件感知和模糊感知的跟踪与地图构建，统一于3D高斯溅射场景。进一步，我们引入可学习的相机响应函数以对齐事件和图像的动态范围，同时设计无事件损失以抑制重建期间的环形振铃伪影。我们在由合成和真实序列组成的新型数据集上进行验证，序列中运动模糊显著。大量实验结果表明，EGS-SLAM在轨迹精度和全景3D高斯溅射重建方面均一致优于现有GS-SLAM系统。源代码将公开于https://github.com/Chensiyu00/EGS-SLAM。
引用
@article{arxiv.2508.07003,
title = {EGS-SLAM: RGB-D Gaussian Splatting SLAM with Events},
author = {Siyu Chen and Shenghai Yuan and Thien-Minh Nguyen and Zhuyu Huang and Chenyang Shi and Jin Jing and Lihua Xie},
journal= {arXiv preprint arXiv:2508.07003},
year = {2025}
}
备注
Accepted by IEEE RAL