Gaussian Splatting SLAM

我们提出了第一个应用三维高斯喷洒技术进行单目或RGB-D相机增量式三维重建的方法。我们的同时定位与地图构建（SLAM）方法可以实时运行，每秒处理3帧，将高斯函数作为唯一的三维表示，统一了准确、高效的跟踪、建图和高质量渲染所需的表示方法。需要几项创新来从实时相机连续重建高保真的三维场景。首先，为了超越原始的3DGS算法，该算法需要来自离线结构运动（SfM）系统的准确姿态，我们使用对3D高斯函数的直接优化来制定3DGS的相机跟踪，并表明这使得快速、鲁棒的跟踪具有广阔的收敛区。其次，通过利用高斯函数的明确性，我们引入几何验证和规范化来处理增量式三维密集重建中出现的歧义。最后，我们引入了一个完整的SLAM系统，不仅在新视角合成和轨迹估计方面实现了最先进的结果，而且还可以重建微小甚至透明的物体。

解决问题：本论文旨在通过使用3D高斯喷洒技术，利用单个移动单目或RGB-D相机进行增量式3D重建，并提出了一种新的解决方案，以实现准确、高效的跟踪、建图和高质量渲染。

关键思路：本论文的关键思路是使用高斯分布作为唯一的3D表示形式，通过直接优化3D高斯喷洒来实现相机跟踪，利用高斯分布的显式性质引入几何验证和正则化来处理增量式3D稠密重建中出现的歧义，并引入全面的SLAM系统来实现状态-of-the-art的结果。

其他亮点：本论文的实验结果表明，提出的方法不仅在新视角合成和轨迹估计方面取得了状态-of-the-art的结果，而且在小型甚至透明物体的重建方面也取得了良好的结果。论文使用了自己的数据集，并开源了代码。

相关研究：最近在这个领域中，还有一些相关的研究，例如：《RGB-D SLAM Based on Points and Lines Using Improved Two-View Geometry Estimation》、《Real-Time RGB-D SLAM With Color-Weighted ICP》。