STAMICS：面向稠密 RGB-D SLAM 的集成一致性与语义的 Splat、Track And Map
机器人学
2025-03-28 v1 计算机视觉与模式识别
摘要
同步定位与建图（SLAM）是机器人领域的一项关键任务，使系统能够自主导航并理解复杂环境。当前的 SLAM 方法主要依赖几何线索进行建图和定位，但它们往往无法确保语义一致性，特别是在动态或密集场景中。为了解决这一局限性，我们引入了 STAMICS，这是一种将语义信息与 3D 高斯表示相结合以增强定位和建图精度的新方法。STAMICS 包含三个关键组件：用于高保真重建的基于 3D 高斯的场景表示、强制执行时间语义一致性的基于图的聚类技术，以及允许对未见物体进行分类的开放词汇系统。大量实验表明，STAMICS 显著提高了相机位姿估计和地图质量，在减少重建误差的同时优于 SOTA 方法。代码将公开发布。
引用
@article{arxiv.2503.21425,
title = {STAMICS: Splat, Track And Map with Integrated Consistency and Semantics for Dense RGB-D SLAM},
author = {Yongxu Wang and Xu Cao and Weiyun Yi and Zhaoxin Fan},
journal= {arXiv preprint arXiv:2503.21425},
year = {2025}
}