LIVE-GS：基于 3D 高斯泼溅的在线 LiDAR-惯性-视觉状态估计与全局一致性建图
机器人学
2026-03-10 v2 计算机视觉与模式识别
摘要
虽然 3D 高斯泼溅（3DGS）实现了逼真建图，但其在 SLAM 中的集成很大程度上沿用了传统的以相机为中心的流水线。因此，它们继承了众所周知的弱点，例如高计算负荷、在纹理贫乏或光照变化环境中失效，以及有限的工作范围，特别是对于 RGB-D 设置。另一方面，LiDAR 作为一种鲁棒的替代方案出现，但其与 3DGS 的集成引入了新的挑战，例如为了逼真质量需要更紧密的全局对齐，以及由稀疏数据导致的优化时间延长。为了应对这些挑战，我们提出了 LIVE-GS，这是一个在线 LiDAR-惯性-视觉 SLAM 框架，它将 3D 高斯泼溅与基于 LiDAR 的面元紧密耦合，通过全局几何优化确保高精度的地图一致性。特别是，为了处理稀疏数据，我们的系统采用了一种深度不变的高斯初始化策略以实现高效表示，并采用有界 sigmoid 约束以防止高斯不受控增长。在公开数据集和我们的数据集上的实验表明，与具有代表性的 3DGS SLAM 基线相比，该系统在渲染质量和建图效率方面均表现出竞争力。
引用
@article{arxiv.2507.23273,
title = {LIVE-GS: Online LiDAR-Inertial-Visual State Estimation and Globally Consistent Mapping with 3D Gaussian Splatting},
author = {Jaeseok Park and Chanoh Park and Minsu Kim and Minkyoung Kim and Soohwan Kim},
journal= {arXiv preprint arXiv:2507.23273},
year = {2026}
}