Shark 投稿
量子位 | 公眾號 QbitAI
從自動駕駛、機器人導航，到AR/VR等前沿應用，SLAM都是離不開的核心技術之一。
現有基於3D高斯分佈（3DGS）的SLAM方法雖在室內場景表現出色，但使用僅RGB輸入來處理無界的戶外場景仍然面臨挑戰：
-
準確的深度和尺度估計困難，這影響了姿態精度和3DGS初始化
-
影像重疊有限且視角單一，缺乏有效的約束，導致訓練難以收斂
為了解決上述挑戰，港科廣團隊提出全新解決方案——OpenGS-SLAM。僅憑RGB影像實現高精度定位與逼真場景重建。
△OpenGS-SLAM管線示意圖
具體來說，研究人員採用了一個點圖迴歸網路來生成幀間一致的點圖。
這些點圖儲存了來自多個標準視角的3D結構，包含了視角關係、2D到3D的對應關係和場景幾何資訊。這使得相機位姿估計更加穩健，有效緩解了預訓練深度網路的誤差問題。
此外，OpenGS-SLAM將相機位姿估計與3DGS渲染整合到一個端到端可微的管道中。透過這種方式，實現了位姿和3DGS引數的聯合最佳化，顯著提高了系統的跟蹤精度。
研究人員還設計了一種自適應比例對映器和動態學習率調整策略，能夠更準確地將點圖對映到3DGS地圖表示。
值得注意的是，在Waymo資料集上的實驗表明，OpenGS-SLAM將追蹤誤差降低至現有3DGS方法的9.8%。研究人員還在新視角合成任務上建立了一個新的基準，達到了最先進的結果。
基於3DGS表示的RGB-only SLAM系統
來看具體技術細節。
在OpenGS-SLAM的管線示意圖可以看到，每一幀都會輸入一張RGB影像用於追蹤。
當前幀和上一幀作為圖片對輸入到Pointmap迴歸網路進行位姿估計，隨後基於當前的3D高斯地圖進行位姿最佳化。
在關鍵幀處，系統執行地圖更新，並透過自適應尺度對映器（Adaptive Scale Mapper）對Pointmap進行處理，以插入新的3D高斯點。
此外，相機位姿與3D高斯地圖會在區域性視窗內進行聯合最佳化，確保更精準的追蹤與場景重建。
追蹤
幀間點圖迴歸與位姿估計
之前基於3DGS和NeRF的SLAM工作，主要集中在室內和小規模場景中，其中相機的運動幅度較小，視角密集。在這種情況下，NeRF或3DGS可以直接用於最佳化相機位姿。
然而，戶外場景通常涉及基於車輛的攝影，特徵是運動幅度較大且視角相對稀疏。這使得直接最佳化相機位姿難以收斂。
鑑於點圖包含視角關係、2D到3D的對應關係和場景幾何資訊，OpenGS-SLAM團隊提出了一種基於幀間點圖迴歸網路的位姿估計方法，旨在實現穩健且快速的當前幀相機位姿估計。
他們利用一個預訓練的點圖迴歸網路，該網路結合了ViT編碼器、帶有自注意力和交叉注意力層的Transformer解碼器以及一個MLP迴歸頭，生成連續幀影像的點圖。特別地，兩個影像分支之間的資訊共享有助於點圖的正確對齊。
儘管應用點圖可能看起來有些反直覺，但它能夠在影像空間中有效表示3D形狀，並且允許在不同視角的射線之間進行三角測量，而不受深度估計質量的限制。隨後，團隊使用穩健且廣泛應用的RANSAC和PnP來推斷兩幀之間的相對姿態
，使用這種方法，可以估計第k幀的位姿為：
。
位姿最佳化
為了實現精確的相機位姿追蹤，團隊基於3DGS可微光柵化管道，構建了一套可微的相機位姿最佳化方法。
定義光度損失為：
其中
表示每個畫素的可微渲染函式，透過高斯
和相機位姿
生成影像，
表示真實影像。光度損失
關於位姿
的梯度為：
透過這些步驟，利用渲染函式的微分，將增量位姿更新與光度損失緊密關聯。這一策略使得相機位姿能夠基於3DGS 渲染結果進行端到端最佳化，從而確保高精度且穩定的位姿跟蹤。
3DGS場景表示
研究人員使用3DGS作為場景表示，提出自適應尺度對映器（Adaptive Scale Mapper），在關鍵幀時為地圖插入新的高斯點。
利用先前獲得的點圖來對映3D高斯地圖，由於幀間點圖存在尺度不穩定的問題，研究人員基於點匹配關係計算連續幀之間的相對尺度變化因子，以確保整個場景的尺度一致性。
建圖
高斯地圖最佳化
管理一個區域性關鍵幀視窗
,以選擇觀察相同區域的非冗餘關鍵幀，為後續的建圖最佳化提供更高效的多視角約束。在每個關鍵幀上，透過聯合最佳化
視窗中的高斯屬性和相機位姿來實現區域性BA。
最佳化過程仍然透過最小化光度損失進行。為了減少高斯橢球體的過度拉伸，研究人員採用了各向同性正則化：
高斯地圖最佳化任務可以總結為：
自適應學習率調整
在經典的室內 SLAM 資料集中，相機通常圍繞小範圍場景運動並形成閉環，使高斯最佳化的學習率隨迭代次數逐漸衰減。然而，戶外資料由前向車輛相機捕獲，所經過區域不會重訪，因此需要不同的學習率衰減策略。
為此，研究人員提出了一種基於旋轉角度的自適應學習率調整策略：當車輛沿直路行駛時，學習率逐步衰減；在遇到坡道或轉彎時，動態提升學習率，以更有效地最佳化新場景。
首先，計算當前關鍵幀和上一關鍵幀之間的旋轉矩陣
和
，其相對旋轉矩陣為：
接著計算旋轉弧度：
接著將弧度
轉換為度數
，並根據以下公式調整累計迭代次數：
當旋轉角度達到90度時，累積迭代次數將被重置。
實驗結果
如下圖所示，在Waymo資料集的無界戶外場景上，OpenGS-SLAM能渲染高保真的新視角圖片，準確捕捉車輛、街道和建築物的細節。相比之下，MonoGS和GlORIE-SLAM存在渲染模糊和失真的問題。
如下圖所示，OpenGS-SLAM擁有明顯更優的追蹤效能，在面臨大轉彎時也能穩定收斂。
精度方面，OpenGS-SLAM在Waymo資料集上實現了新視角合成（NVS）的最佳效能。在追蹤精度方面，與GlORIE-SLAM相當；而相比同樣基於3DGS的SLAM方法MonoGS，OpenGS-SLAM誤差降低至 9.8%，顯著提升了系統的魯棒性和準確性。
消融研究結果顯示，自適應學習率調整和自適應尺度對映均對整體效能產生積極影響，而Pointmap迴歸網路更是本方法的核心支撐，對系統性能至關重要。
總結
OpenGS-SLAM是一種基於3DGS表示的RGB-only SLAM系統，適用於無界的戶外場景。
該方法將點圖迴歸網路與3DGS表示結合，確保精確的相機姿態跟蹤和出色的新檢視合成能力。
與其他基於3DGS的SLAM系統相比，該方法在戶外環境中提供了更高的跟蹤精度和魯棒性，使其在實際應用中具有較高的實用性。
論文連結：https://arxiv.org/abs/2502.15633
程式碼連結：https://github.com/3DAgentWorld/OpenGS-SLAM
官方主頁：https://3dagentworld.github.io/opengs-slam/
程式碼連結：https://github.com/3DAgentWorld/OpenGS-SLAM
官方主頁：https://3dagentworld.github.io/opengs-slam/
一鍵三連「點贊」「轉發」「小心心」
歡迎在評論區留下你的想法！
— 完 —
學術投稿請於工作日發郵件到：
標題註明【投稿】，告訴我們：
你是誰，從哪來，投稿內容
附上論文/專案主頁連結，以及聯絡方式哦
我們會（儘量）及時回覆你
🌟 點亮星標 🌟