GauS-SLAM：基于高斯面元的稠密RGB-D SLAM
计算机视觉与模式识别
2025-05-06 v1
摘要
我们提出了GauS-SLAM，一个利用2D高斯面元实现鲁棒跟踪和高保真建图的稠密RGB-D SLAM系统。我们的研究表明，基于高斯的场景表示在新视角下会出现几何失真，这显著降低了基于高斯的跟踪方法的精度。这些几何不一致性主要源于高斯基元的深度建模以及深度混合过程中表面间的相互干扰。为解决这些问题，我们提出了一种基于2D高斯的增量重建策略，并辅以表面感知深度渲染机制，这显著提高了几何精度和多视图一致性。此外，所提出的局部地图设计在跟踪过程中动态隔离可见表面，减轻了全局地图中被遮挡区域引起的错位，同时在高斯密度增加时保持了计算效率。在多个数据集上的大量实验表明，GauS-SLAM优于同类方法，提供了更优的跟踪精度和渲染保真度。项目页面将在https://gaus-slam.github.io上公开。
引用
@article{arxiv.2505.01934,
title = {GauS-SLAM: Dense RGB-D SLAM with Gaussian Surfels},
author = {Yongxin Su and Lin Chen and Kaiting Zhang and Zhongliang Zhao and Chenfeng Hou and Ziping Yu},
journal= {arXiv preprint arXiv:2505.01934},
year = {2025}
}