面向实时月面地图的语义分割与深度估计：基于 3D 高斯溅射
计算机视觉与模式识别
2026-03-20 v1 机器人学
摘要
月面导航与地图构建需要在挑战性条件下保持稳健的感知能力，这些条件包括贫乏纹理的环境、强对比度照明以及受限的计算资源。本文提出了一个实时映射框架，将稠密感知模型与 3D 高斯溅射 (3DGS) 表示相结合。我们首先在由 LuPNT 模拟器生成的合成数据集上对多种模型进行基准测试，选取基于门控循环单元的立体稠密深度估计模型，因为其在深度估计速度与精度之间取得了良好平衡；同时选取卷积神经网络用于检测语义分割，其性能优异。通过利用真实姿态解耦局部场景理解与全局状态估计，我们的管道成功重建了 120 米的遍历路径，几何高度精度约为 3 厘米，显著优于无激光雷达的传统点云基线。 resulting 的 3DGS 地图支持新视角合成，并可作为完整 SLAM 系统的基础，其中对地图与姿态联合优化的能力将提供显著优势。我们的结果表明， 将语义分割与稠密深度估计与学习型地图表示相结合，是创建支持未来月面任务的详细大规模地图的有效方法。
引用
@article{arxiv.2603.18218,
title = {Semantic Segmentation and Depth Estimation for Real-Time Lunar Surface Mapping Using 3D Gaussian Splatting},
author = {Guillem Casadesus Vila and Adam Dai and Grace Gao},
journal= {arXiv preprint arXiv:2603.18218},
year = {2026}
}