SIREN：多机器人高斯溅射图的语义、无初始化注册
机器人学
2025-02-11 v1 计算机视觉与模式识别
摘要
我们提出SIREN，用于注册多机器人高斯溅射（GSplat）图，且在初始化或融合局部子图时无需访问相机位姿、图像和跨图变换。为实现这些能力，SIREN通过三种关键方式充分利用语义的灵活性和鲁棒性，构建了多机器人GSplat图的严格注册管线。第一，SIREN利用语义识别局部图中特征丰富的区域，从而消除对先前工作中通常需要的初始化。第二，SIREN利用鲁棒语义特征识别局部图中高斯点的候选对应关系，为稳健的几何优化奠定基础，粗略对齐从局部图中提取的3D高斯原始对象。第三，此关键步骤使后续基于GSplat图中的新视角合成和语义图像滤波器的光度细化成为可能，从而计算出针对高保真融合图的高精度非刚性变换。我们在多个真实数据集上Demonstrate了SIREN优于对手方法的优越性能，尤其是在最广泛使用的机器人硬件平台（包括操作臂、无人机和四足动物）上。在我们的实验中，SIREN在最具挑战性的场景中实现了约90倍的旋转误差降低、300倍的平移误差降低和44倍的尺度误差降低，而对手方法在此类场景中常常力不从众。我们将在审稿期间后公开代码并提供项目页面链接。
引用
@article{arxiv.2502.06519,
title = {SIREN: Semantic, Initialization-Free Registration of Multi-Robot Gaussian Splatting Maps},
author = {Ola Shorinwa and Jiankai Sun and Mac Schwager and Anirudha Majumdar},
journal= {arXiv preprint arXiv:2502.06519},
year = {2025}
}