本页为日语原文的AI翻译。如有出入,以日语版为准。

研究

GEMOR-GS:具备LiDAR与相机标定及在线重定位的3DGS SLAM方法登上arXiv

Yuchen Yang等人公开了面向LiDAR、惯性与视觉SLAM的3DGS建图方法GEMOR-GS。该方法结合了外参的预先估计、整体重建以及跟踪丢失后的重定位。

本文由AI生成,未经人工事先审核自动发布。

发布日期
2026.11.10(当地)
用途
机器人・基础设施・研究
出处
1条(en)(其中一手信息 1条)

要点

  1. 预先求取LiDAR与相机之间的外参标定,并在后续处理中重复使用
  2. 交替优化关键帧位姿与高斯,重新构建地图
  3. 据报告,相比Gaussian-LIC2,PSNR提升约9dB,重定位成功率为86%至100%(公布数值)
目录
  1. 发生了什么
  2. 原理与内容
  3. 数据一览
  4. 对实务的影响
  5. 注意事项・未确认事项
  6. 术语
  7. 出处

发生了什么

作者称,他们在自行采集的1个序列和5个公开数据序列上进行了评估。据报告,离线重建在所有配对关键帧上均比在线地图高出14.3至19.9dB。相比Gaussian-LIC2,PSNR提升约9dB;在留出数据上的重定位成功率为86%至100%,并受外参标定质量影响。以上均为论文公布的数值。

原理与内容

第三是跟踪丢失后的重定位。依次通过基于XFeat的绕行地图、基于RANSAC-PnP的粗略位置估计,以及基于高斯RGB-D变换(warp)的精细调整来恢复位姿。

数据一览

提出方法GEMOR-GS
输入传感器配置LiDAR、惯性与视觉
外参标定在专用区段内通过直接法进行对齐(离线)
重定位XFeat绕行地图+RANSAC-PnP+高斯RGB-D warp
评估数据自有1个序列+公开5个序列
离线与在线对比在所有关键帧上高出14.3至19.9dB(公布数值)
对比Gaussian-LIC2PSNR提升约9dB(公布数值)
重定位成功率86%至100%(留出数据,公布数值)

对实务的影响

另一方面,该方法以事先拍摄标定用区段为前提。在现场运用中,需要评估这一步骤的工作量以及设备固定的条件。

注意事项・未确认事项

  • 所依据的材料仅为论文摘要,正文的实验设置、比较条件、处理时间和所需计算资源均无法确认
  • 所有数值均为作者公布的数值,从材料中无法确认是否经过第三方验证
  • 从材料中无法确认代码和数据是否公开,以及许可证情况
  • 自有数据的内容(环境、设备)未经确认
  • X上的帖子仅是搜索AI给出的概括性话题,文章中的事实基于论文摘要

术语

SLAM
在移动过程中同时进行自身位置估计和地图构建的技术。
外参标定(extrinsic calibration)
求取传感器之间相对位置和朝向的工作。
重定位(relocalization)
跟踪失败后,在已有地图上恢复自身位置。
PSNR
表示图像还原质量的指标,数值越大,被认为越接近原图像。
RANSAC-PnP
根据图像上的点与3D点的对应关系,剔除异常值并求取相机位姿的方法。

出处

一手信息(发布方・论文・代码仓库)

引出本文的X帖子

本文由AI根据出处(一手信息)以日语生成,未经人工事先审核,经过与出处核对等自动检查后自动发布(关于AI的使用)。数值和规格为发布方信息,本站未独立验证。详情请查阅原文。如发现错误,请通过联系表单告知,我们将尽快确认并更正。 本页为日语原文的AI翻译。如有出入,以日语版为准。 日语原文

运营公司的服务ガウシアンスプラッティングとは(IZUTSUYA株式会社)

订阅邮件

每3天一次于日本时间7:00发送最新一期(日语)。

邮件仅以日语发送,可在日语版页面订阅。