GS-Planner: A Gaussian-Splatting-based Planning Framework for Active High-Fidelity Reconstruction

主动重建技术使机器人能够自主收集场景数据以实现全覆盖，从而使用户免于繁琐和耗时的数据捕捉过程。然而，现有的方法基于不适当的场景表示设计，显示出不现实的重建结果或无法进行在线质量评估。由于明确辐射场技术的最新进展，在线主动高保真重建已成为可能。在本文中，我们提出了GS-Planner，一个使用3D高斯喷溅的主动高保真重建规划框架。通过改进3DGS以识别未观察到的区域，我们在线评估3DGS地图的重建质量和完整性以指导机器人。然后，我们设计了一种基于采样的主动重建策略，以探索未观察到的区域并提高重建的几何和纹理质量。为了建立完整的机器人主动重建系统，我们选择四旋翼作为机器人平台，因其高敏捷性。然后，我们使用3DGS制定安全约束，生成可执行的四旋翼导航轨迹。为了验证我们方法的有效性，我们在高度逼真的仿真场景中进行了广泛的实验和消融研究。

本文旨在解决现有主动重建技术中存在的场景表示不适宜、重建结果不真实或无法在线评估等问题，提出一种基于高保真度重建的规划框架GS-Planner。

本文提出了一种使用三维高斯光斑的主动高保真度重建规划框架，通过改进3DGS以识别未观察到的区域，实现在线评估重建质量和完整性，并设计了基于采样的主动重建策略来探索未观察到的区域，提高重建几何和纹理质量。

本文使用了四旋翼作为机器人平台，通过与3DGS结合生成可执行轨迹来导航机器人，实现了完整的机器人主动重建系统。实验结果表明，本文提出的方法在高度逼真的仿真场景中具有较好的效果。

在最近的研究中，也有许多关于主动重建的研究，例如《Active Scene Reconstruction with Online Evaluation》、《ActiveFusion: Online Volumetric Reconstruction with an RGB-D Camera》等。