基于高斯映射的GS-LIVO：实时激光-惯性-视觉多传感器融合里程计
机器人学
2025-01-16 v1 计算机视觉与模式识别
摘要
近年来，3D高斯溶解(3D-GS)作为一种新型场景表示方法而涌现。然而，现有的视觉专用3D-GS方法常依赖手工制导的点云稠密化策略，且在处理遮挡和高GPU内存与计算消耗方面面临挑战。激光-惯性-视觉(LIV)传感器配置已在定位和稠密地图构建中展现出优势，因其能充分利用摄像机提供的丰富纹理信息、激光雷达提供的精确几何测量以及惯性测量单元(IMU)提供的高频运动数据。鼓舞人心的是，我们提出了一种新型实时基于高斯的同时定位与地图构建(SLAM)系统。我们的地图系统由全局高斯地图和高斯滑动窗组成，另外采用基于IESKF的里程计。全局高斯地图由以哈希索引为Voxels组织的递归八叉树构成，有效覆盖稀疏空间体积，同时适应不同层次和尺度。通过多传感器融合初始化高斯地图，并利用光度梯度进行优化。我们的系统增量式地维护高斯滑动窗，显著降低GPU计算和内存消耗，仅优化滑动窗内的地图。此外，我们实现了紧耦合的多传感器融合里程计，采用迭代误差状态卡尔曼滤波器(IESKF)，实现了高斯地图的实时更新与渲染。我们的系统是首个可部署在资源受限嵌入式系统上的实时基于高斯的SLAM框架，已在NVIDIA Jetson Orin NX平台上实现。该框架在保持稳健的多传感器融合能力的同时，实现了实时性能。所有实现算法、硬件设计和CAD模型将对公众开放。
引用
@article{arxiv.2501.08672,
title = {GS-LIVO: Real-Time LiDAR, Inertial, and Visual Multi-sensor Fused Odometry with Gaussian Mapping},
author = {Sheng Hong and Chunran Zheng and Yishu Shen and Changze Li and Fu Zhang and Tong Qin and Shaojie Shen},
journal= {arXiv preprint arXiv:2501.08672},
year = {2025}
}