RGBD GS-ICP SLAM

本文介绍了一种新的稠密表示SLAM方法，结合了广义迭代最近点（G-ICP）和三维高斯喷洒（3DGS）技术。与现有方法不同，我们利用单个高斯地图进行跟踪和建图，从而实现互惠互利。通过运用尺度对齐技术，在跟踪和建图过程中交换协方差，最小化冗余计算，实现高效系统。此外，我们通过关键帧选择方法提高跟踪精度和建图质量。实验结果表明，我们的方法非常有效，整个系统的速度可达107 FPS，并且重建地图的质量也非常优秀。该方法在机器人、虚拟现实和增强现实应用中具有重要作用。

本文旨在提出一种新的密集表示SLAM方法，解决机器人、虚拟现实和增强现实应用中的定位和建图问题。

本文提出了一种新的密集表示SLAM方法，将广义迭代最近点（G-ICP）和3D高斯喷洒（3DGS）相结合，利用单个高斯地图进行跟踪和建图，通过尺度对齐技术实现跟踪和建图过程之间的协同作用，提高了跟踪准确性和建图质量。

本文提出的方法在实验中表现出了极快的速度和优秀的重建地图质量。实验使用了哪些数据集和开源代码没有提到。

最近的相关研究包括：DenseSurfelMapping、VoxelHashing、OctoMap等。