基于体素的渐进式 3D 高斯 SLAM：面向大规模场景的 VPGS-SLAM
计算机视觉与模式识别
2026-01-13 v2
摘要
3D 高斯溶解（3D Gaussian Splatting）最近在密集视觉 SLAM 中显示出前景。然而，现有基于 3DGS 的 SLAM 方法都受限于小房间场景，在大规模场景和长序列场景中难以处理内存爆炸问题。为此，我们提出 VPGS-SLAM，这是首个基于 3DGS 的大规模 RGBD SLAM 框架，适用于室内外场景。我们设计了一种基于体素的渐进式 3D 高斯映射方法，包含多个子地图，可在大规模长序列场景中实现紧凑且准确的场景表示。这使我们能够扩展到任意场景，并提高鲁棒性（即使在姿态漂移情况下也能正常工作）。此外，我们提出了一种 2D-3D 混合相机跟踪方法，以实现室内外大规模场景中稳健且准确的相机跟踪。进一步，我们设计了一种 2D-3D 高斯闭环方法，以消除姿态漂移。我们还提出了一种带有在线蒸馏的子地图融合方法，以实现大规模场景中检测闭环时的全局一致性。在 various 室内外数据集上的实验表明，所提框架的优越性和通用性得到验证。代码将在 https://github.com/dtc111111/vpgs-slam 上开源。
引用
@article{arxiv.2505.18992,
title = {VPGS-SLAM: Voxel-based Progressive 3D Gaussian SLAM in Large-Scale Scenes},
author = {Tianchen Deng and Wenhua Wu and Junjie He and Yue Pan and Shenghai Yuan and Danwei Wang and Hesheng Wang},
journal= {arXiv preprint arXiv:2505.18992},
year = {2026}
}