Splat-LOAM：基于高斯溶解的LiDAR里程计与制图
机器人学
2025-03-25 v1 计算机视觉与模式识别
摘要
LiDAR提供精准的几何测量，对自运动估计和重建任务具有重要价值。尽管已取得显著成功，但管理准确且轻量级的环境表示仍具挑战。经典方法和基于NeRF的解决方案都必须在准确性与内存/处理时间之间进行权衡。本文基于近期高斯溶解方法的进展，开发了一种 novel LiDAR里程计和制图管道，该管道完全依赖高斯原始素材进行场景表示。利用球形投影，我们独立地从LiDAR测量中驱动原始素材的精炼。实验表明，我们的方法在匹配当前注册性能方面表现一致，同时在制图任务中实现SOTA结果，仅需最小GPU资源。这种效率使其成为进一步探索和潜在在实际机器人估计任务中采用的强有力候选人。
引用
@article{arxiv.2503.17491,
title = {Splat-LOAM: Gaussian Splatting LiDAR Odometry and Mapping},
author = {Emanuele Giacomini and Luca Di Giammarino and Lorenzo De Rebotti and Giorgio Grisetti and Martin R. Oswald},
journal= {arXiv preprint arXiv:2503.17491},
year = {2025}
}
备注
submitted to ICCV 2025