VIGS SLAM: IMU-based Large-Scale 3D Gaussian Splatting SLAM

要約

近年、リアルな描写に優れた3D Gaussian SplattingやNeRFなどの放射場を利用したマップ表現が注目を集めており、SLAMと組み合わせる試みが行われている。
これらのアプローチは非常に現実的なマップを構築できますが、マッピングには多数のガウス画像が必要であり、追跡にはキーフレームとして隣接する画像が必要であるため、大規模な SLAM は依然として課題が残っています。
我々は、大規模な屋内環境向けに RGB-D センサーと IMU センサーのセンサーフュージョンを利用する、新しい 3D ガウス スプラッティング SLAM 手法、VIGS SLAM を提案します。
3DGS ベースのトラッキングの計算負荷を軽減するために、IMU の事前統合を組み合わせた ICP ベースのトラッキング フレームワークを採用して、正確な姿勢推定のための適切な初期推定を提供します。
私たちが提案した方法は、IMUセンサー測定を統合することによって、ガウススプラッティングベースのSLAMが大規模環境で効果的に実行できることを初めて提案したものです。
この提案は、ルームスケールのシナリオを超えてガウス スプラッティング SLAM のパフォーマンスを向上させるだけでなく、大規模な屋内環境で最先端の手法に匹敵する SLAM パフォーマンスも達成します。

要約(オリジナル)

Recently, map representations based on radiance fields such as 3D Gaussian Splatting and NeRF, which excellent for realistic depiction, have attracted considerable attention, leading to attempts to combine them with SLAM. While these approaches can build highly realistic maps, large-scale SLAM still remains a challenge because they require a large number of Gaussian images for mapping and adjacent images as keyframes for tracking. We propose a novel 3D Gaussian Splatting SLAM method, VIGS SLAM, that utilizes sensor fusion of RGB-D and IMU sensors for large-scale indoor environments. To reduce the computational load of 3DGS-based tracking, we adopt an ICP-based tracking framework that combines IMU preintegration to provide a good initial guess for accurate pose estimation. Our proposed method is the first to propose that Gaussian Splatting-based SLAM can be effectively performed in large-scale environments by integrating IMU sensor measurements. This proposal not only enhances the performance of Gaussian Splatting SLAM beyond room-scale scenarios but also achieves SLAM performance comparable to state-of-the-art methods in large-scale indoor environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google