SemGauss-SLAM：基于 3D 高斯表示的稠密语义 SLAM 系统

我们提出了 SemGauss-SLAM，这是一个利用 3D 高斯表示的稠密语义 SLAM 系统，能够同时实现精准的 3D 语义地图构建、稳健的相机跟踪以及高质量的渲染。在该系统中，我们将语义特征嵌入到 3D 高斯表示中，这有效地在环境空间布局中编码了语义信息，从而实现对语义场景的精准表示。进一步地，我们提出了用于更新 3D 高斯表示的特征级损失，使 3D 高斯优化获得更高层次的指导。此外，为减少跟踪中的累积漂移并提高语义重建精度，我们引入了语义感知的稠密光束调整。通过利用多帧语义关联，该策略实现了 3D 高斯表示和相机姿态的联合优化， resulting in low-drift tracking and accurate semantic mapping. 我们的方法在 Replica 和 ScanNet 数据集上相较于现有的基于辐射场的 SLAM 方法在地图构建和跟踪精度方面表现出优异性能，同时在高精度语义分割和稠密语义映射方面也展现出卓越的能力。