要約
密な3Dマッピングを備えたリアルタイムスラムは、特にリソース制限デバイスでは計算上困難です。
3Dガウススプラッティング(3DGS)の最近の開発は、リアルタイムの密な3D再構成に対する有望なアプローチを提供します。
ただし、既存の3DGSベースのSLAMシステムは、ハードウェアのシンプルさ、速度、マップの品質のバランスを取るのに苦労しています。
ほとんどのシステムは、前述の側面の1つまたは2つに優れていますが、すべてを達成することはめったにありません。
重要な問題は、スラムを同時に実施しながら3Dガウスを初期化することの難しさです。
これらの課題に対処するために、測光スラムと3DGを統合する新しいリアルタイムスラムシステムであるMonocular GSO(MGSO)を紹介します。
測光スラムは、3DGS初期化に密な構造化されたポイント雲を提供し、最適化を加速し、ガウス系の少ないより効率的なマップを生成します。
その結果、実験では、当社のシステムが品質、メモリ効率のバランス、および最先端を上回るスピードのバランスで再構築を生成することを示しています。
さらに、システムはRGB入力を使用してすべての結果を達成します。
現在のライブ密度再建システムに対して、レプリカ、TUM-RGBD、およびEUROCデータセットを評価します。
現代のシステムを上回るだけでなく、実験では、ラップトップハードウェアでパフォーマンスを維持し、ロボット工学、A/R、およびその他のリアルタイムアプリケーションの実用的なソリューションになっていることも示しています。
要約(オリジナル)
Real-time SLAM with dense 3D mapping is computationally challenging, especially on resource-limited devices. The recent development of 3D Gaussian Splatting (3DGS) offers a promising approach for real-time dense 3D reconstruction. However, existing 3DGS-based SLAM systems struggle to balance hardware simplicity, speed, and map quality. Most systems excel in one or two of the aforementioned aspects but rarely achieve all. A key issue is the difficulty of initializing 3D Gaussians while concurrently conducting SLAM. To address these challenges, we present Monocular GSO (MGSO), a novel real-time SLAM system that integrates photometric SLAM with 3DGS. Photometric SLAM provides dense structured point clouds for 3DGS initialization, accelerating optimization and producing more efficient maps with fewer Gaussians. As a result, experiments show that our system generates reconstructions with a balance of quality, memory efficiency, and speed that outperforms the state-of-the-art. Furthermore, our system achieves all results using RGB inputs. We evaluate the Replica, TUM-RGBD, and EuRoC datasets against current live dense reconstruction systems. Not only do we surpass contemporary systems, but experiments also show that we maintain our performance on laptop hardware, making it a practical solution for robotics, A/R, and other real-time applications.
arxiv情報
著者 | Yan Song Hu,Nicolas Abboud,Muhammad Qasim Ali,Adam Srebrnjak Yang,Imad Elhajj,Daniel Asmar,Yuhao Chen,John S. Zelek |
発行日 | 2025-03-24 21:17:35+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google