IG-SLAM: Instant Gaussian SLAM

最近，3D高斯喷洒技术在SLAM系统中作为神经隐式表示的替代方案，已经显示出很好的效果。然而，目前的方法要么缺乏密集的深度图来监督映射过程，要么缺乏考虑环境尺度的详细训练设计。为了解决这些缺点，我们提出了IG-SLAM，这是一个密集的RGB-only SLAM系统，它采用了强大的Dense-SLAM方法进行跟踪，并将其与高斯喷洒相结合。使用跟踪提供的准确姿态和密集深度来构建环境的3D地图。此外，我们利用深度不确定性在地图优化中来改善3D重建。我们在地图优化中使用的衰减策略增强了收敛性，并使系统在单个进程中以10 fps的速度运行。我们在Replica、TUM-RGBD、ScanNet和EuRoC数据集上展示了与最先进的RGB-only SLAM系统相竞争的性能，同时实现更快的操作速度。我们在大规模序列中展示了系统在EuRoC数据集中的照片级3D重建效果。

IG-SLAM论文试图解决RGB-only SLAM系统中缺乏密集深度图来监督映射过程和缺乏考虑环境尺度的详细训练设计的问题。

IG-SLAM系统采用稳健的Dense-SLAM方法进行跟踪，并结合高斯喷洒法构建环境的3D地图。同时，利用深度不确定性进行地图优化，提高了3D重建的精度和鲁棒性。

IG-SLAM系统在Replica、TUM-RGBD、ScanNet和EuRoC数据集上进行了实验，表现出与最先进的RGB-only SLAM系统相当的性能，但实现了更快的运行速度。IG-SLAM系统的优点包括：使用RGB图像进行SLAM，不需要额外的深度传感器；使用深度不确定性进行地图优化；在大规模场景中实现了逼真的3D重建。

最近在这个领域中，还有一些相关研究，如：《Dense RGB-D SLAM with Loop Closure Detection and Trajectory Estimation》、《Real-Time RGB-D SLAM with Efficient Loop Closing》、《ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo, and RGB-D Cameras》等。