LoopSplat: Loop Closure by Registering 3D Gaussian Splats

Simultaneous Localization and Mapping (SLAM) 基于 3D 高斯斑点（3DGS）的方法最近表现出更准确、更密集的 3D 场景地图的潜力。然而，现有的基于 3DGS 的方法未能通过环路闭合和/或全局束调整解决场景的全局一致性。为此，我们提出了 LoopSplat，它以 RGB-D 图像为输入，并使用 3DGS 子地图和帧到模型跟踪进行密集映射。LoopSplat 在线触发环路闭合，并通过 3DGS 注册直接计算子地图之间的相对环路边缘约束，从而提高了效率和精度，比传统的全局到局部点云配准方法更好。它使用了强健的姿态图优化公式，并刚性地对齐子地图以实现全局一致性。在合成 Replica 和真实的 TUM-RGBD、ScanNet 和 ScanNet++ 数据集上的评估表明，与现有的密集 RGB-D SLAM 方法相比，它具有竞争力或更好的跟踪、映射和渲染性能。代码可在 loopsplat.github.io 上获得。

LoopSplat试图解决RGB-D SLAM中的全局一致性问题，以及通过3DGS注册直接计算子地图之间的相对循环边约束，从而提高效率和准确性。

LoopSplat使用3DGS子地图和帧到模型跟踪进行RGB-D SLAM，通过在线触发循环闭合并直接计算子地图之间的相对循环边约束来实现全局一致性，进而使用鲁棒的姿态图优化公式对子地图进行刚性对齐。

论文在Replica、TUM-RGBD、ScanNet和ScanNet++数据集上进行了评估，展示了与现有方法相比的竞争性或优越性。此外，论文还提供了代码。

近期的相关研究包括：Efficient Large-Scale 3D Dense Mapping with Noisy Camera Poses、LDSO: Direct Sparse Odometry with Loop Closure和ORB-SLAM: A Versatile and Accurate Monocular SLAM System。