GaussianFlow SLAM：由 GaussianFlow 引导的单目高斯泼溅 SLAM
机器人学
2026-04-20 v1 计算机视觉与模式识别
摘要
高斯泼溅最近作为 SLAM 系统中一种引人注目的地图表示方法获得了关注，能够实现密集且照片级真实的场景建模。然而，由于缺乏来自单目输入的可靠几何线索，其在单目 SLAM 中的应用仍然具有挑战性。没有几何监督，建图或跟踪可能陷入局部最优，导致结构退化和不准确。为了应对这一挑战，我们提出了 GaussianFlow SLAM，一种单目 3DGS-SLAM，它利用光流作为几何感知线索来引导场景结构和相机位姿的优化。通过鼓励高斯投影运动（称为 GaussianFlow）与光流对齐，我们的方法引入了一致的结构线索来正则化地图重建和位姿估计。此外，我们引入了基于归一化误差的致密化和修剪模块来细化非活跃和不稳定的高斯，从而有助于提高地图质量和位姿精度。在公共数据集上进行的实验表明，与最先进的算法相比，我们的方法实现了卓越的渲染质量和跟踪精度。源代码可在以下地址获取：https://github.com/url-kaist/gaussianflow-slam。
引用
@article{arxiv.2604.15612,
title = {GaussianFlow SLAM: Monocular Gaussian Splatting SLAM Guided by GaussianFlow},
author = {Dong-Uk Seo and Jinwoo Jeon and Eungchang Mason Lee and Hyun Myung},
journal= {arXiv preprint arXiv:2604.15612},
year = {2026}
}
备注
8 pages, 5 figures, 7 tables, accepted to IEEE RA-L