SemGauss-SLAM：密集语义高斯分层 SLAM
原文中文，约400字，阅读约需1分钟。发表于：。提出 SemGauss-SLAM，第一个利用 3D 高斯表示的语义 SLAM 系统，实现实时精确的 3D 语义地图构建、鲁棒的相机跟踪和高质量渲染。该系统将语义特征嵌入 3D 高斯表示，有效地在环境的空间布局中编码语义信息以获得精确的语义场景表示；同时，提出特征级损失来更新 3D 高斯表示，为 3D 高斯优化提供更高层次的指导；此外，通过引入语义感知束调整，利用语义关联进行 3D...
本文介绍了GS-SLAM算法，使用3D高斯表示方法实现了同时定位与地图构建系统中的更好平衡。该算法通过自适应扩张策略重构新观测到的场景几何并改善先前观测区域的建图。在位姿跟踪过程中，使用从粗到细的技术选择可靠的3D高斯表示来优化相机姿态，从而减少运行时间并实现强健的估计。该算法在Replica和TUM-RGBD数据集上具有竞争力的性能。
