RGBDS-SLAM：基于3D多层棱柱高斯溅射的RGB-D语义稠密SLAM
计算机视觉与模式识别
2024-12-05 v2
摘要
高质量的稠密SLAM重建对于实现至关重要。最近流行的方法利用3D高斯溅射（3D GS）技术进行场景的RGB、深度和语义重建。然而，这些方法常常忽视了场景不同部分在细节和一致性方面的问题。为此，我们提出了RGBDS-SLAM，一种基于3D多层棱柱高斯溅射的RGB-D语义稠密SLAM系统，能够实现场景RGB、深度和语义重建的高质量稠密重建。在该系统中，我们引入了3D多层棱柱高斯溅射方法，通过提取高斯溅射训练的多层图像棱柱，恢复场景细节，确保RGB、深度和语义重建的一致性。此外，我们设计了紧耦合的多特征重建优化机制，使RGB、深度和语义地图的重建精度在渲染优化过程中相互增强。在Replica和ScanNet公共数据集上的大量定量、定性和消融实验表明，我们的方法在当前state-of-the-art方法之上具有优势。开源代码将在：https://github.com/zhenzhongcao/RGBDS-SLAM 上提供。
关键词
引用
@article{arxiv.2412.01217,
title = {RGBDS-SLAM: A RGB-D Semantic Dense SLAM Based on 3D Multi Level Pyramid Gaussian Splatting},
author = {Zhenzhong Cao and Chenyang Zhao and Qianyi Zhang and Jinzheng Guang and Yinuo Song Jingtai Liu},
journal= {arXiv preprint arXiv:2412.01217},
year = {2024}
}