PointSLAM++：基于鲁棒稠密神经高斯点云的 SLAM
计算机视觉与模式识别
2026-01-21 v1 图形学
机器人学
摘要
实时3D重建对机器人与增强现实至关重要，然而当前的同步定位与建图(SLAM)方法在存在深度噪声时往往难以保持结构一致性与鲁棒的位姿估计。本工作提出了 PointSLAM++，一种新型 RGB-D SLAM 系统，该系统利用分层约束的神经高斯表示来保持结构关系，同时生成用于场景映射的高斯基元。它还采用渐进式位姿优化来减轻深度传感器噪声，显著提升了定位精度。此外，它利用动态神经表示图，根据局部几何复杂度调整高斯节点的分布，使地图能够实时适应复杂的场景细节。这种结合产生了高精度的3D映射与逼真的场景渲染。实验结果表明，PointSLAM++ 在重建精度与渲染质量上均优于现有的基于 3DGS 的 SLAM 方法，展现了其在大规模 AR 与机器人应用中的优势。
引用
@article{arxiv.2601.11617,
title = {PointSLAM++: Robust Dense Neural Gaussian Point Cloud-based SLAM},
author = {Xu Wang and Boyao Han and Xiaojun Chen and Ying Liu and Ruihui Li},
journal= {arXiv preprint arXiv:2601.11617},
year = {2026}
}