Gaussian-LIC: Photo-realistic LiDAR-Inertial-Camera SLAM with 3D Gaussian Splatting

我们提出了一个实时的LiDAR-惯性-相机SLAM系统，使用3D高斯喷洒作为地图后端。利用我们的LiDAR-惯性-相机里程计的稳健姿态估计，本文提出了一种增量式照片逼真的映射系统Coco-LIC。我们从着色的LiDAR点初始化3D高斯函数，并利用3D高斯喷洒提供的可微分渲染进行优化。我们采用精心设计的策略来逐步扩展高斯地图并自适应地控制其密度，确保具有实时能力的高质量映射。在不同场景下进行的实验表明，与现有的基于辐射场的SLAM系统相比，我们的方法具有卓越的性能。

本论文旨在提出一种基于LiDAR-Inertial-Camera SLAM系统的实时3D高斯喷洒映射后端，解决SLAM系统中的建图问题。

论文提出了一种基于LiDAR-Inertial-Camera的增量式、照片级别的高斯映射系统，通过3D高斯喷洒来优化初始的3D高斯分布，保证建图的高质量和实时性。

论文采用了不同的策略来增量式地扩展高斯映射，并自适应地控制其密度，实验结果显示该方法相较于现有的基于辐射场的SLAM系统更为优越。论文使用了多种数据集进行实验，并开源了代码。

在这个领域中，最近的相关研究有：《DeepSDF: Learning Continuous Signed Distance Functions for Shape Representation》、《OctNetFusion: Learning Depth Fusion from Data》、《VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection》等。