TAMBRIDGE: Bridging Frame-Centered Tracking and 3D Gaussian Splatting for Enhanced SLAM

这篇摘要指出了3D高斯喷洒（3DGS）在运动模糊和相机噪声方面的有限鲁棒性以及其实时性能不佳，限制了其在机器人SLAM任务中的应用。通过分析，这些问题的主要原因是运动模糊视图的密度以及基于嘈杂的原始图像和渲染结果计算损失的密集姿态估计的累积误差，这增加了3DGS渲染收敛的难度。因此，介绍了一种基于最先进的3DGS的SLAM系统，利用3DGS的效率和灵活性实现实时性能，同时保持对传感器噪声、运动模糊和长时间SLAM带来的挑战的鲁棒性。这种方法的核心是Fusion Bridge模块，它将以跟踪为中心的ORB视觉里程计与以映射为中心的在线3DGS无缝集成。通过重新投影和渲染损失的联合优化以及战略视图选择，这个模块实现了精确的姿态初始化，增强了大规模场景中的渲染收敛。广泛的实验表明，该系统具有最先进的渲染质量和定位精度，定位该系统作为一个有前途的解决方案，适用于需要稳定、接近实时性能的现实机器人应用。该项目可在https://ZeldaFromHeaven.github.io/TAMBRIDGE/上获得。

本论文旨在解决3D高斯平面投影（3DGS）在机器人SLAM任务中受到运动模糊和相机噪声限制以及实时性差的问题。该论文的假设是通过引入新的Fusion Bridge模块，结合ORB视觉里程计和在线3DGS，能够实现实时性和稳定性的提升。

本论文的关键思路是通过引入Fusion Bridge模块，将ORB视觉里程计和在线3DGS结合起来，实现精确的姿态初始化和策略性视角选择，从而提升3DGS的渲染收敛性。

本论文的亮点包括：1. 引入Fusion Bridge模块，将ORB视觉里程计和在线3DGS结合起来，实现精确的姿态初始化和策略性视角选择；2. 实现了实时性和稳定性的提升，能够应用于实际机器人SLAM任务；3. 在大规模场景下实现了最先进的渲染质量和定位精度；4. 论文提供了开源代码和数据集，便于其他研究者进行进一步研究。

在这个领域中，一些相关的研究包括：1. 《ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo, and RGB-D Cameras》；2. 《Real-Time Loop Closure in 2D LIDAR SLAM》；3. 《A Survey of Visual SLAM: on Learnings from the First Three Decades of Research》。