GSORB-SLAM：融合 ORB 特征与透射率信息的高斯溅射 SLAM
机器人学
2025-08-26 v3
摘要
3D 高斯溅射 (3DGS) 的出现最近重新点燃了稠密视觉 SLAM 领域的研究热情。然而，现有方法面临挑战，包括对制造痕迹和噪声的敏感性、训练视角选择不佳以及缺乏全局优化。本文提出 GSORB-SLAM，一个将 3DGS 与 ORB 特征集成的稠密 SLAM 框架，通过紧密耦合的优化管道实现整合。为缓解噪声和制造痕迹的影响，我们提出了一种新颖的几何表示和优化方法，用于跟踪，可显著提高定位精度和鲁棒性。对于高保真建图，我们开发了自适应高斯扩张和正则化方法，促进紧凑且富有表现力的场景建模，同时抑制冗余原始数据。此外，我们设计了一种混合图基视角选择机制，有效减少过拟合并加快收敛速度。广泛的评估表明，该系统在跟踪精度上比 ORB-SLAM2 基线提高了 16.2%（RMSE 下降），在重建质量上比 3DGS-SLAM 基线提高了 3.93 dB（PSNR 提升）。项目：https://aczheng-cai.github.io/gsorb-slam.github.io/
引用
@article{arxiv.2410.11356,
title = {GSORB-SLAM: Gaussian Splatting SLAM benefits from ORB features and Transmittance information},
author = {Wancai Zheng and Xinyi Yu and Jintao Rong and Linlin Ou and Yan Wei and Libo Zhou},
journal= {arXiv preprint arXiv:2410.11356},
year = {2025}
}