SplatMAP：基于 3D 高斯溅写的在线稠密单目 SLAM
计算机视觉与模式识别
2025-04-15 v3
摘要
由于传统方法（如结构光运动法和单目 SLAM）在准确捕捉场景细节方面的固有局限性，单目视频实现高保真 3D 重建仍然具有挑战性。虽然神经辐射场等可微分渲染技术解决了部分问题，但其高计算成本使其不适用于实时应用。此外，现有的 3D 高斯溅写（3DGS）方法常侧重光度一致性，忽略几何精度，且未充分利用 SLAM 的动态深度和姿态更新进行场景细化。我们提出一种将稠密 SLAM 与 3DGS 集成以实现实时高保真稠密重建的框架。该方法引入 SLAM 信息自适应密化技术，利用 SLAM 的稠密点云动态更新和密化高斯模型。此外，我们采用几何引导优化，将边缘感知几何约束与光度一致性相结合，以联合优化 3DGS 场景表示的外观和几何，从而实现细致且准确的 SLAM 映射重建。在 Replica 和 TUM-RGBD 数据集上的实验表明，我们的方法在单目系统中实现了最新的成果。具体而言，在 Replica 数据集上，我们的方法 PSNR 为 36.864，SSIM 为 0.985，LPIPS 为 0.040，分别比前一 SOTA 提升了 10.7%、6.4% 和 49.4%。在 TUM-RGBD 上，同样指标相比最接近的基线提升了 10.2%、6.6% 和 34.7%。这些结果凸显了该框架在光度稠密 3D 场景表示与几何稠密 3D 场景表示之间搭建桥梁的潜力，为实现实用且高效的单目稠密重建铺平了道路。
引用
@article{arxiv.2501.07015,
title = {SplatMAP: Online Dense Monocular SLAM with 3D Gaussian Splatting},
author = {Yue Hu and Rong Liu and Meida Chen and Peter Beerel and Andrew Feng},
journal= {arXiv preprint arXiv:2501.07015},
year = {2025}
}