今天,介绍一篇以RGB-D作为输入、基于3D GS的稠密表达方式的SLAM框架RGBD GS-ICP SLAM。 当前的 3DGS SLAM充分利用了3D GD渲染速度快的优,但是并不直接利用3D GS显式表达进行tracking。而RGBD GS-ICP SLAM的关键创新点在于跟踪以及建图模块使用同一个3D GS显示地图。 该系统的框架图流程如下: 首先,系统接收RGB-...
目前,SLAM的数据集大多集中在较小的静态场景上,很少看到SLAM在开放、复杂场景上的表现。感觉评估SLAM算法需要一个更好、更大的benchmark,这样才能更全面地评估算法的性能。 总的来说,GS-ICP SLAM在三维重建领域提供了一个新的思路,尤其是在处理复杂场景时表现出了惊人的效果。希望未来能有更多这样的创新,推动SLAM...
(1)提出了一个实时密集表示SLAM,结合了G-ICP和3DGS,实现了整个系统的极高速度(最高达107 FPS)和地图的优质性。 (2)通过将G-ICP用于跟踪,该系统积极利用三维信息,并显著减少了跟踪过程所需的时间。 (3)通过共享G-ICP和3DGS的协方差,并采用尺度对齐技术,实现了计算成本的减少和3DGS原始数据的快速收敛。 5. ...
代码链接:https://github.com/lab-of-ai-and-robotics/gs_icp_slam 2. 摘要 同时定位与地图构建(SLAM)在机器人学、虚拟现实(VR)和增强现实(AR)应用中起着关键作用。近期对于密集表示SLAM的进展突显了利用神经场景表示和3D高斯表示来实现高保真空间表示的潜力。本文提出了一种新颖的密集表示SLAM方法,采用广义迭代最...
因此,这篇文章提出了一个集成GICP和3DGS的稠密SLAM框架,通过共享显式表示来互补彼此。与传统方法不同,该方法通过利用G-ICP进行跟踪来积极利用三维信息。所提出的方法是一种耦合方法,在跟踪和建图过程中共享单个地图,同时保持与分离方法相似的快速跟踪速度。利用基于G-ICP的跟踪过程中计算的每个点的协方差作为3DGS建...
In this paper, we propose a novel dense representation SLAM approach with a fusion of Generalized Iterative Closest Point (G-ICP) and 3D Gaussian Splatting (3DGS). In contrast to existing methods, we utilize a single Gaussian map for both tracking and mapping, resulting in mutual benefits. ...
MonoGS、SplaTAM、GS-ICP-SLAM和Gaussian-SLAM均专为具有丰富纹理图像和密集深度信息的室内环境而设计,但由于室外场景中获得的深度信息较稀疏,它们在一些室外序列中性能下降甚至失效。相比之下,我们的LiV-GS在大规模室外环境中能够持续稳定地进行跟踪。 此外,表III的底部两行显示了LiVGS里程计结果与真实值之间的最小...
本项目将新颖的3D Gaussian Splatting和先进SLAM方法进行结合,实现高质量实时渲染和高精度实时定位的优势互补 Compact3DGS:引入更高效的高斯场景表达,提升存储效率 GICP:将概率模型引入经典的ICP算法,提升扫描匹配的精度和鲁棒性 Uncertainty Model:显式建模不确定性,提升3D高斯地图的表达准确性 ...
带你实现3DGS SLAM:性能逼近与超越SplaTAM! 本项目将新颖的3D Gaussian Splatting和先进SLAM方法进行结合,实现高质量实时渲染和高精度实时定位的优势互补 GICP:将概率模型引入经典的ICP算法,提升扫描 - 计算机视觉life于20240508发布在抖音,已经收获了4.7万个喜欢,来
In this paper, we propose a novel dense representation SLAM approach with a fusion of Generalized Iterative Closest Point (G-ICP) and 3D Gaussian Splatting (3DGS). In contrast to existing methods, we utilize a single Gaussian map for both tracking and mapping, resulting in mutual benefits. ...