EndoGSLAM: Real-Time Dense Reconstruction and Tracking in Endoscopic Surgeries using Gaussian Splatting

精确的相机跟踪、高保真的三维组织重建以及实时的在线可视化对于内部医学成像设备（如内窥镜和胶囊机器人）至关重要。然而，现有的SLAM（同时定位与建图）方法往往难以同时实现完整的高质量手术区域重建和高效的计算，限制了它们在内窥镜手术中的应用。在本文中，我们介绍了EndoGSLAM，一种用于内窥镜手术的高效SLAM方法，它集成了简化的高斯表示和可微分的光栅化，以在在线相机跟踪和组织重建过程中实现超过100帧每秒的渲染速度。广泛的实验表明，EndoGSLAM在内部手术可用性和重建质量之间实现了更好的平衡，比传统或神经SLAM方法具有巨大的潜力，适用于内窥镜手术。该项目网页位于https://EndoGSLAM.loping151.com。

论文提出了一种用于内窥镜手术的高效SLAM方法，旨在解决现有方法在完整高质量手术区域重建和高效计算之间的平衡问题。

论文提出了EndoGSLAM，一种高效的SLAM方法，通过整合简化的高斯表示和可微栅格化来实现超过100fps的在线相机跟踪和组织重建。

论文的实验表明，EndoGSLAM在手术可用性和重建质量之间实现了更好的平衡，显示出在内窥镜手术中巨大的潜力。论文提供了项目页面https://EndoGSLAM.loping151.com。

在这个领域的相关研究包括：1. 'Real-time SLAM for endoscopic capsules using visual and inertial data'；2. 'Deep learning-based monocular SLAM for endoscopic capsule robots'；3. 'A real-time dense reconstruction method for endoscopic images based on stereo matching'.