LoopSplat: Loop Closure by Registering 3D Gaussian Splats

要約

3D ガウス スプラット (3DGS) に基づく同時ローカライゼーションとマッピング (SLAM) は、より正確で高密度な 3D シーン マップを実現する可能性を最近示しました。
しかし、既存の 3DGS ベースの方法では、ループ クロージャやグローバル バンドル調整を介してシーンのグローバルな一貫性を実現できません。
この目的を達成するために、RGB-D 画像を入力として受け取り、3DGS サブマップとフレームからモデルへの追跡を使用して高密度マッピングを実行する LoopSplat を提案します。
LoopSplat はオンラインでループ クロージャをトリガーし、3DGS 登録を介してサブマップ間の相対的なループ エッジ制約を直接計算します。これにより、従来のグローバルからローカルへの点群登録よりも効率と精度が向上します。
堅牢なポーズ グラフ最適化公式を使用し、サブマップを厳密に調整してグローバルな一貫性を実現します。
合成レプリカと現実世界の TUM-RGBD、ScanNet、および ScanNet++ データセットの評価では、高密度 RGB-D SLAM の既存の方法と比較して、競合または優れたトラッキング、マッピング、レンダリングが実証されています。
コードは \href{https://loopsplat.github.io/}{loopsplat.github.io} で入手できます。

要約(オリジナル)

Simultaneous Localization and Mapping (SLAM) based on 3D Gaussian Splats (3DGS) has recently shown promise towards more accurate, dense 3D scene maps. However, existing 3DGS-based methods fail to address the global consistency of the scene via loop closure and/or global bundle adjustment. To this end, we propose LoopSplat, which takes RGB-D images as input and performs dense mapping with 3DGS submaps and frame-to-model tracking. LoopSplat triggers loop closure online and computes relative loop edge constraints between submaps directly via 3DGS registration, leading to improvements in efficiency and accuracy over traditional global-to-local point cloud registration. It uses a robust pose graph optimization formulation and rigidly aligns the submaps to achieve global consistency. Evaluation on the synthetic Replica and real-world TUM-RGBD, ScanNet, and ScanNet++ datasets demonstrates competitive or superior tracking, mapping, and rendering compared to existing methods for dense RGB-D SLAM. Code is available at \href{https://loopsplat.github.io/}{loopsplat.github.io}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google