NGM-SLAM: Gaussian Splatting SLAM with Radiance Field Submap

高斯喷洒已经因其出色的性能而受到广泛关注。因此，基于高斯喷洒的SLAM系统已经出现，利用其快速实时渲染和高保真度的映射能力。然而，目前的高斯喷洒SLAM系统通常在大场景表示方面存在困难，并且缺乏有效的环路闭合调整和场景概括能力。为了解决这些问题，我们引入了NGM-SLAM，这是第一个利用神经辐射场子地图进行渐进式场景表达的GS-SLAM系统，有效地整合了神经辐射场和3D高斯喷洒的优势。我们已经开发了神经隐式子地图作为监督，并通过融合子地图的高斯渲染实现高质量的场景表达和在线环路闭合调整。我们在多个真实场景和大规模场景数据集上的结果表明，我们的方法可以实现准确的间隙填充和高质量的场景表达，支持单眼、立体和RGB-D输入，并实现了最先进的场景重建和跟踪性能。

NGM-SLAM试图解决当前Gaussian Splatting SLAM系统在大场景表示、环路闭合调整和场景泛化能力上的问题。

NGM-SLAM是第一个利用神经辐射场子图进行渐进式场景表达的GS-SLAM系统，通过高质量的场景表达和融合子图的高斯渲染实现在线环路闭合调整。

NGM-SLAM在多个真实场景和大规模场景数据集上进行了测试，支持单目、双目和RGB-D输入，实现了准确的间隙填充和高质量的场景表达，具有最先进的场景重建和跟踪性能。

最近的相关研究包括：Neural Radiance Fields、3D Gaussian Splatting、SLAM系统、神经辐射场子图等。