LSGS-Loc：面向大规模无人机场景的鲁棒3DGS基视觉定位
计算机视觉与模式识别
2026-04-08 v1 机器人学
摘要
大规模无人机场景中的视觉定位是自主系统的关键能力，但由于几何复杂性和环境变化，仍面临挑战。虽然3D高斯溶解（3DGS）作为一种有前景的场景表示方法，但现有的3DGS-based视觉定位方法在鲁棒的姿态初始化和对大规模场景渲染伪影的敏感性方面仍有不足。为此，我们提出了LSGS-Loc，一个针对大规模3DGS场景的新型视觉定位管道。具体而言，我们引入一种规模感知的姿态初始化策略，将场景无关的相对姿态估计与显式的3DGS尺度约束相结合，实现无需场景特定训练即可进行几何定位。此外，在姿态细化过程中，为缓解重建伪影（如模糊和漂浮）的影响，我们开发了基于拉普拉斯算子可靠性掩码机制，以引导光度细化聚焦于高质量区域。大量实验在大规模无人机基准测试上表明，我们的方法在无序图像查询下实现了最高的精度和鲁棒性，显著优于现有的3DGS-based方法。代码已公开：https://github.com/xzhang-z/LSGS-Loc
引用
@article{arxiv.2604.05402,
title = {LSGS-Loc: Towards Robust 3DGS-Based Visual Localization for Large-Scale UAV Scenarios},
author = {Xiang Zhang and Tengfei Wang and Fang Xu and Xin Wang and Zongqian Zhan},
journal= {arXiv preprint arXiv:2604.05402},
year = {2026}
}
备注
This paper is under reviewed by RA-L. The copyright might be transferred upon acceptance