一种基于鲁棒几何分布一致性和视图优化的高斯SLAM方法技术

本发明专利技术公开了一种基于鲁棒几何分布一致性和视图优化的高斯SLAM方法，旨在解决高斯SLAM两个关键问题：首先，高斯分布的渲染质量和定位精度对不稳定的初始点云高度敏感，并且错误会在致密化过程中累积。其次，当从多个视图观察高斯时，高斯的属性可能会受到最终训练视图的过度影响，导致遗忘问题。具体来说，我们提出(1)一种基于纹理密度驱动的采样和基于图的结构加密方法，利用几何信息来提升高斯分布的精度(2)一种基于一致性视角高斯属性融合的优化策略，探索不同视角下的高斯属性，使高斯能够适应各种场景视角。我们在Replica和TUM RGB‑D数据集上的评估展示了其优异的性能，为在资源受限的系统中实现稳健的三维重建提供了新的见解。

【技术实现步骤摘要】

本专利技术涉及一种基于视觉的的高斯slam方法，尤其是一种基于鲁棒几何分布一致性和视图优化的高斯slam方法。

技术介绍

1、视觉slam是机器人
的基石技术，它利用视觉传感器帮助自主系统在未知环境中进行自我定位和地图构建。它发挥着重要作用，在增强现实(ar)、虚拟现实(vr)和自主导航等应用中发挥着至关重要的作用。传统的视觉slam方法依赖于稀疏点云，通常会生成缺乏细节和视觉丰富度的环境表征。为了解决这个问题，研究人员提出了稠密slam方法，该方法能够整合更多图像信息来重建具有丰富纹理和细节的场景。然而，这种稠密slam方法仍然面临着内存消耗大、实时计算性能不足等挑战。神经辐射场(nerf)通过生成高质量且细节丰富的稠密地图来增强slam性能。尽管基于nerf的方法在新颖的视图合成和场景理解任务中表现出色，但其核心体积渲染过程依赖于大量的光线采样。导致渲染全分辨率图像时计算复杂度显著增加且内存需求较高。

2、最近，3d gaussian splatting(3dgs)为新型视图合成提供了一种更高效的方法。3dgs依靠光栅化进行渲染，而不本文档来自技高网...

【技术保护点】

1.一种基于鲁棒几何分布一致性和视图优化的高斯SLAM方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于鲁棒几何分布一致性和视图优化的高斯SLAM方法，其特征在于，从图像中提取纹理特征，并用像素强度的梯度幅值进行量化引入梯度激活函数St(x)来调整采样概率分布，使得高斯点生成更倾向于集中在纹理和几何特征丰富的区域。

3.根据权利要求1所述的基于鲁棒几何分布一致性和视图优化的高斯SLAM方法，其特征在于，使用K最接近的邻居(KNN)算法计算每个高斯点距离，定义加权边基于深度差异和法线矢量一致性，之后按照几何因素优化致密化的位置，进行有针对性的致密化和修剪...

【技术特征摘要】

1.一种基于鲁棒几何分布一致性和视图优化的高斯slam方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于鲁棒几何分布一致性和视图优化的高斯slam方法，其特征在于，从图像中提取纹理特征，并用像素强度的梯度幅值进行量化引入梯度激活函数st(x)来调整采样概率分布，使得高斯点生成更倾向于集中在纹理和几何特征丰富的区域。

3.根据权利要求1所述的基于鲁棒几何分布一致性和视图优化的高斯slam方法，其特征在于，使用k最接近的邻居(knn)算法计算每个高斯点距离，定义加权边基于深度差异和法线矢量一致性，之后按照几何因素优化致密化的位置，进行有针对性的致密化和修剪策略。

4.根据权利要求1所述的基于鲁棒几何分布一致性和视图优化的高斯slam方法，其特征在于，采用高斯贡献机制通过改进高斯前向传播过程，实现了对每个像素的最优高斯函数选择。

5.根据权利要求...

【专利技术属性】
技术研发人员：石朝侠，陈培玺，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：