港大最新LVI-GS：结合3DGS的实时LiDAR-视觉-惯性紧耦合SLAM

文章预览

点击下方 卡片 ，关注“ 自动驾驶之心 ”公众号 戳我->  领取 自动驾驶近15个 方向 学习 路线 >> 点击进入→ 自动驾驶之心 『 3DGS 』 技术交流群 3DGS SLAM的难点 传统的 SLAM 系统 使用地标、点云、占据栅格、符号距离函数（SDF）体素网格或网格来表示环境。其中，点云是由摄像头和 LiDAR 等传感器直接获取的简单场景表示。基于点云的 SLAM 系统能够实现精确定位，并可以构建稀疏或稠密的地图，但这些地图通常缺乏丰富的视觉细节。 NeRF  使用辐射场隐式地表示场景，通过优化连续的体积场景函数来实现，这种方式所需的存储量极少。然而，由于这些系统涉及大量的优化过程，难以实现实时性能。此外，将地图存储在多层感知器（MLP）中带来了灾难性遗忘和边界限制等问题，这些问题会阻碍场景重建。 3D 高斯分布（3DGS） 提供了一种令人兴奋的替代 ………………………………