SGS-SLAM: Semantic Gaussian Splatting for Neural Dense SLAM论文阅读

基于Gaussian Splatting 的 SLAM系列论文阅读

背景（Background）

这篇论文的标题是“SGS-SLAM: Semantic Gaussian Splatting for Neural Dense SLAM”，作者包括大连理工大学的Mingrui Li、Na Cheng、Hongyu Wang，东京大学的Shuhong Liu、Guohao Zhu，以及哥伦比亚大学的Heng Zhou。这篇论文提出了一种名为SGS-SLAM的新型语义密集SLAM（Simultaneous Localization and Mapping，即同时定位与建图）系统。SGS-SLAM利用3D高斯Splatting生成高质量的渲染图像，并提供精确的3D语义分割和高保真的重建。
论文arxiv链接

摘要（Abstract）

• 贡献：提出了SGS-SLAM，这是首个基于3D高斯表示的语义密集视觉SLAM系统。
• 方法：系统采用多通道优化，在映射过程中整合了外观、几何和语义约束，并结合关键帧优化以提高重建质量。
• 结果：通过大量实验证明，SGS-SLAM在相机位姿估计、地图重建和语义分割方面提供了最先进的性能，并且保持了实时渲染能力。

引言（Introduction）

• 背景