LoopSplat：通过注册3D高斯溅射实现闭环
计算机视觉与模式识别
2024-08-21 v2 机器人学
摘要
基于3D高斯溅射(3DGS)的同步定位与建图(SLAM)近期在实现更精确、稠密的3D场景地图方面展现出前景。然而，现有的基于3DGS的方法未能通过闭环和/或全局束调整来解决场景的全局一致性。为此，我们提出了LoopSplat，它以RGB-D图像为输入，通过3DGS子图和帧到模型跟踪进行稠密建图。LoopSplat在线触发闭环，并通过3DGS配准直接在子图之间计算相对闭环边约束，在效率和精度上均优于传统的全局到局部点云配准。它采用鲁棒的位姿图优化公式，并刚性对齐子图以实现全局一致性。在合成Replica数据集和真实世界TUM-RGBD、ScanNet及ScanNet++数据集上的评估表明，在密集RGB-D SLAM的跟踪、建图和渲染方面，该方法具有竞争力或优于现有方法。代码可在loopsplat.github.io获取。
引用
@article{arxiv.2408.10154,
title = {LoopSplat: Loop Closure by Registering 3D Gaussian Splats},
author = {Liyuan Zhu and Yue Li and Erik Sandström and Shengyu Huang and Konrad Schindler and Iro Armeni},
journal= {arXiv preprint arXiv:2408.10154},
year = {2024}
}
备注
Project page: https://loopsplat.github.io/