GLC-SLAM: Gaussian Splatting SLAM with Efficient Loop Closure

要約

3D ガウス スプラッティング (3DGS) は、リアルタイム レンダリングと忠実度の高いマッピングを可能にする高密度同時ローカライゼーションおよびマッピング (SLAM) への応用で大きな注目を集めています。
ただし、既存の 3DGS ベースの SLAM 手法は、特に大規模環境において、蓄積された追跡エラーやマップ ドリフトに悩まされることがよくあります。
これらの問題に対処するために、カメラのポーズとシーン モデルのグローバルな最適化を統合するガウス スプラッティング SLAM システムである GLC-SLAM を導入します。
私たちのアプローチは、フレームからモデルへの追跡を採用し、ドリフトの蓄積を最小限に抑えるためにグローバルからローカルへの戦略を使用して階層的なループ クロージャーをトリガーします。
シーンを 3D ガウス サブマップに分割することで、大規模なシーンでのループ修正後の効率的なマップ更新が容易になります。
さらに、不確実性を最小限に抑えたキーフレーム選択戦略により、より貴重な 3D ガウスを観察するキーフレームが優先され、サブマップの最適化が強化されます。
さまざまなデータセットに関する実験結果は、GLC-SLAM が最先端の高密度 RGB-D SLAM システムと比較して優れた、または競合する追跡およびマッピングのパフォーマンス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 (3DGS) has gained significant attention for its application in dense Simultaneous Localization and Mapping (SLAM), enabling real-time rendering and high-fidelity mapping. However, existing 3DGS-based SLAM methods often suffer from accumulated tracking errors and map drift, particularly in large-scale environments. To address these issues, we introduce GLC-SLAM, a Gaussian Splatting SLAM system that integrates global optimization of camera poses and scene models. Our approach employs frame-to-model tracking and triggers hierarchical loop closure using a global-to-local strategy to minimize drift accumulation. By dividing the scene into 3D Gaussian submaps, we facilitate efficient map updates following loop corrections in large scenes. Additionally, our uncertainty-minimized keyframe selection strategy prioritizes keyframes observing more valuable 3D Gaussians to enhance submap optimization. Experimental results on various datasets demonstrate that GLC-SLAM achieves superior or competitive tracking and mapping performance compared to state-of-the-art dense RGB-D SLAM systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google