GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting

计算机科学 人工智能 计算机视觉 同时定位和映射 高斯分布 计算机图形学(图像) 机器人 移动机器人 物理 量子力学
作者
Chi Yan,Delin Qu,Dan Xu,Bin Zhao,Zhigang Wang,Dong Wang,Xuelong Li
出处
期刊:Proceedings [Institute of Electrical and Electronics Engineers]
卷期号:: 19595-19604 被引量:481
标识
DOI:10.1109/cvpr52733.2024.01853
摘要

In this paper, we introduce GS-SLAM that first utilizes 3D Gaussian representation in the Simultaneous Localization and Mapping (SLAM) system. It facilitates a better bal-ance between efficiency and accuracy. Compared to recent SLAM methods employing neural implicit representations, our method utilizes a real-time differentiable splatting ren-dering pipeline that offers significant speedup to map opti-mization and RGB-D rendering. Specifically, we propose an adaptive expansion strategy that adds new or deletes noisy 3D Gaussians in order to efficiently reconstruct new observed scene geometry and improve the mapping of pre-viously observed areas. This strategy is essential to ex-tend 3D Gaussian representation to reconstruct the whole scene rather than synthesize a static object in existing meth-ods. Moreover, in the pose tracking process, an effective coarse-to-fine technique is designed to select reliable 3D Gaussian representations to optimize camera pose, resulting in runtime reduction and robust estimation. Our method achieves competitive performance compared with existing state-of-the-art real-time methods on the Replica, TUM-RGBD datasets. Project page: https://gs-slam.github.io/.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
马伯乐完成签到 ,获得积分10
1秒前
Hello的应助被豆豆采纳,获得10
1秒前
5秒前
动人的冷霜完成签到,获得积分10
6秒前
迅速的新竹完成签到,获得积分10
6秒前
Peiqi的应助被雪山飞龙采纳,获得10
9秒前
11秒前
蓝精灵完成签到,获得积分10
13秒前
yuki完成签到 ,获得积分10
13秒前
漾漾的羊完成签到 ,获得积分10
15秒前
dianeil完成签到,获得积分10
23秒前
王不凡完成签到 ,获得积分10
25秒前
LWJ完成签到 ,获得积分10
25秒前
竹舍翁暮雨君完成签到 ,获得积分10
28秒前
机智的孤兰完成签到 ,获得积分10
28秒前
拼搏忆文完成签到,获得积分10
31秒前
康康舞曲完成签到 ,获得积分10
32秒前
XU博士完成签到,获得积分10
33秒前
轻歌水越完成签到 ,获得积分10
34秒前
风趣朝雪完成签到,获得积分10
35秒前
Robin完成签到 ,获得积分10
38秒前
一瓣橘子完成签到,获得积分10
39秒前
kk完成签到,获得积分10
43秒前
Fan完成签到 ,获得积分0
44秒前
蔡勇强完成签到 ,获得积分10
47秒前
bo完成签到 ,获得积分0
48秒前
lpp完成签到 ,获得积分10
49秒前
Heby完成签到 ,获得积分10
49秒前
小山己几完成签到,获得积分10
54秒前
吉吉完成签到,获得积分10
54秒前
望向天空的鱼完成签到 ,获得积分10
55秒前
詹姆斯哈登完成签到,获得积分0
56秒前
高贵的鸿涛完成签到,获得积分10
59秒前
凡凡完成签到,获得积分10
1分钟前
三羧酸循环完成签到,获得积分10
1分钟前
goy完成签到,获得积分10
1分钟前
Alvin完成签到 ,获得积分10
1分钟前
一叶知秋完成签到,获得积分10
1分钟前
俏皮冰露完成签到,获得积分10
1分钟前
戴肉肉完成签到 ,获得积分10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Social Psychology in the Real World 600
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8180053
求助须知:如何正确求助?哪些是违规求助? 9570224
关于积分的说明 21808682
捐赠科研通 7776054
什么是DOI,文献DOI怎么找? 3433261
关于科研通互助平台的介绍 2557425
邀请新用户注册赠送积分活动 2479012