RP-SLAM: Real-time Photorealistic SLAM with Efficient 3D Gaussian Splatting

要約

3D ガウス スプラッティングは、高品質の 3D レンダリングの有望な技術として浮上しており、3DGS をリアリズム SLAM システムに統合することへの関心が高まっています。
しかし、既存の方法は、ガウスプリミティブの冗長性、継続的な最適化中の忘却の問題、深さ情報の欠如による単眼の場合のプリミティブの初期化の困難などの課題に直面しています。
効率的で写実的なマッピングを実現するために、単眼カメラおよび RGB-D カメラ用の 3D ガウス スプラッティング ベースのビジョン SLAM 手法である RP-SLAM を提案します。
RP-SLAM は、カメラのポーズ推定をガウス プリミティブの最適化から分離し、3 つの主要なコンポーネントで構成されます。
まず、適応サンプリングとガウス プリミティブ フィルタリングを通じてシーンのコンパクトで正確な表現を実現する効率的な増分マッピング アプローチを提案します。
第二に、忘却の問題を軽減し、マップの一貫性を向上させるために、動的ウィンドウ最適化方法を提案します。
最後に、単眼の場合、疎点群に基づく単眼キーフレーム初期化方法が提案され、ガウス プリミティブの初期化精度を向上させ、その後の最適化のための幾何学的基礎を提供します。
多数の実験の結果は、RP-SLAM がリアルタイム パフォーマンスとモデルのコンパクトさを確保しながら、最先端のマップ レンダリング精度を達成することを実証しています。

要約(オリジナル)

3D Gaussian Splatting has emerged as a promising technique for high-quality 3D rendering, leading to increasing interest in integrating 3DGS into realism SLAM systems. However, existing methods face challenges such as Gaussian primitives redundancy, forgetting problem during continuous optimization, and difficulty in initializing primitives in monocular case due to lack of depth information. In order to achieve efficient and photorealistic mapping, we propose RP-SLAM, a 3D Gaussian splatting-based vision SLAM method for monocular and RGB-D cameras. RP-SLAM decouples camera poses estimation from Gaussian primitives optimization and consists of three key components. Firstly, we propose an efficient incremental mapping approach to achieve a compact and accurate representation of the scene through adaptive sampling and Gaussian primitives filtering. Secondly, a dynamic window optimization method is proposed to mitigate the forgetting problem and improve map consistency. Finally, for the monocular case, a monocular keyframe initialization method based on sparse point cloud is proposed to improve the initialization accuracy of Gaussian primitives, which provides a geometric basis for subsequent optimization. The results of numerous experiments demonstrate that RP-SLAM achieves state-of-the-art map rendering accuracy while ensuring real-time performance and model compactness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google