---

  新智元报道  

编辑：LRST

【新智元导读】OpenGS-SLAM是一种新的RGB-only SLAM系统，专门用于无界户外场景。它通过点图回归网络和3D高斯分布（3DGS）表示，实现了精准的相机定位和高保真的场景重建，显著提升了跟踪精度和新视角合成的效果。

在自主驾驶、机器人导航、AR/VR等前沿应用中，Simultaneous Localization and Mapping (SLAM) 是核心技术之一。

现有基于3D高斯分布（3DGS）的SLAM方法虽在室内场景表现出色，但使用仅RGB输入来处理无界的户外场景仍然面临挑战：

• 准确的深度和尺度估计困难，这影响了姿态精度和3DGS初始化

• 图像重叠有限且视角单一，缺乏有效的约束，导致训练难以收敛

为了解决上述挑战，港科广团队提出全新解决方案OpenGS-SLAM，仅凭RGB图像实现高精度定位与逼真场景重建。

论文链接：https://arxiv.org/abs/2502.15633

代码链接：https://github.com/3DAgentWorld/OpenGS-SLAM

官方主页：https://3dagentworld.github.io/opengs-slam/

具体来说，该方法采用了一个点图回归网络来生成帧间一致的点图，储存了来自多个标准视角的3D结构，包含了视角关系、2D到3D的对应关系和场景几何信息，使得相机位姿估计更加稳健，有效缓解了预训练深度网络的误差问题。

此外，将相机位姿估计与3DGS渲染集成到一个端到端可微的管道中，实现了位姿和3DGS参数的联合优化，显著提高了系统的跟踪精度。

文中还设计了一种自适应比例映射器和动态学习率调整策略，能够更准确地将点图映射到3DGS地图表示。

值得注意的是，在Waymo数据集上的实验表明，OpenGS-SLAM将追踪误差降低至现有3DGS方法的9.8%，研究人员还在新视角合成任务上建立了一个新的基准，达到了最先进的结果。

摘要

3D Gaussian Splatting（3DGS）已成为SLAM领域的一种流行解决方案，因其能够生成高保真的新视角图像。

然而，现有的基于3DGS的方法主要针对室内场景，并依赖于RGB-D传感器或预训练的深度估计模型，因此在户外场景中的表现较差。

为了解决这一问题，研究人员提出了一种针对无界户外场景的纯RGB 3DGS SLAM方法OpenGS-SLAM。

从技术上来说，该方法先引入了一种Pointmap回归网络，用于在不同帧之间生成一致的Pointmap以进行位姿估计。

与常用的深度图相比，Pointmap能够包含跨多个视角的空间关系和场景几何信息，从而实现更鲁棒的相机位姿估计。

随后，将估计得到的相机位姿与3DGS渲染结合，构建端到端可微分优化管线，使得相机位姿与3DGS场景参数能够同时优化，显著提高了系统的跟踪精度。

此外，研究人员还为Pointmap回归网络设计了一种自适应尺度映射器（Adaptive Scale Mapper），能够更准确地将Pointmap映射到3DGS结构表示中。

在Waymo数据集上的实验结果表明，OpenGS-SLAM将跟踪误差降低至现有3DGS方法的9.8%，并在新视角合成（Novel View Synthesis, NVS）任务上达到了最新的SOTA结果。

效果展示

如下图所示，在Waymo数据集的无界户外场景上，该方法能渲染高保真的新视角图片，准确捕捉车辆、街道和建筑物的细节。相比之下，MonoGS和GlORIE-SLAM存在渲染模糊和失真的问题。

如下图所示，该方法拥有明显更优的追踪性能，在面临大转弯时也能稳定收敛。

基本原理

下图为SLAM方法的管线示意图，每一帧都会输入一张 RGB 图像用于追踪，当前帧和上一帧作为图片对输入到Pointmap回归网络进行位姿估计，随后基于当前的3D高斯地图进行位姿优化。

在关键帧处，系统执行地图更新，并通过自适应尺度映射器（Adaptive Scale Mapper）对 Pointmap 进行处理，以插入新的3D高斯点。

此外，相机位姿与3D高斯地图会在局部窗口内进行联合优化，确保更精准的追踪与场景重建。

追踪

帧间点图回归与位姿估计

之前基于3DGS和NeRF的SLAM工作，主要集中在室内和小规模场景中，其中相机的运动幅度较小，视角密集。

在这种情况下，NeRF或3DGS可以直接用于优化相机位姿。然而，户外场景通常涉及基于车辆的摄影，特征是运动幅度较大且视角相对稀疏，使得直接优化相机位姿难以收敛。

鉴于点图包含视角关系、2D到3D的对应关系和场景几何信息，研究人员提出了一种基于帧间点图回归网络的位姿估计方法，旨在实现稳健且快速的当前帧相机位姿估计。

研究人员利用一个预训练的点图回归网络，结合了ViT编码器、带有自注意力和交叉注意力层的Transformer解码器以及一个MLP回归头，生成连续帧图像的点图，两个图像分支之间的信息共享有助于点图的正确对齐。

尽管应用点图可能看起来有些反直觉，但它能够在图像空间中有效表示3D形状，并且允许在不同视角的射线之间进行三角测量，而不受深度估计质量的限制。

随后，使用稳健且广泛应用的RANSAC和PnP来推断两帧之间的相对姿态，使用这种方法，估计第k帧的位姿为

位姿优化

为了实现精确的相机位姿追踪，研究人员基于3DGS可微光栅化管道，构建一套可微的相机位姿优化方法，定义光度损失为：

其中rr表示每个像素的可微渲染函数，通过高斯GG和相机位姿TCWTCW生成图像，IˉIˉ表示真实图像。光度损失LphoLpho关于位姿TCWTCW的梯度为：

通过这些步骤，利用渲染函数的微分，将增量位姿更新与光度损失紧密关联。这一策略使得相机位姿能够基于 3DGS 渲染结果 进行端到端优化，从而确保高精度且稳定的位姿跟踪。

3DGS场景表示

研究人员使用3DGS作为场景表示，提出自适应尺度映射器（Adaptive Scale Mapper），在关键帧时为地图插入新的高斯点。

利用先前获得的点图来映射3D高斯地图，由于帧间点图存在尺度不稳定的问题，基于点匹配关系计算连续帧之间的相对尺度变化因子，以确保整个场景的尺度一致性。

建图

高斯地图优化

研究人员管理一个局部关键帧窗口W，以选择观察相同区域的非冗余关键帧，为后续的建图优化提供更高效的多视角约束。

在每个关键帧上，通过联合优化W窗口中的高斯属性和相机位姿来实现局部BA，优化过程仍然通过最小化光度损失进行。

为了减少高斯椭球体的过度拉伸，采用了各向同性正则化：

高斯地图优化任务可以总结为：

自适应学习率调整

在经典的室内SLAM数据集中，相机通常围绕小范围场景运动并形成闭环，使高斯优化的学习率随迭代次数逐渐衰减。

然而，文中研究的户外数据由前向车辆相机捕获，所经过区域不会重访，因此需要不同的学习率衰减策略。

为此，研究人员提出了一种基于旋转角度的自适应学习率调整策略：当车辆沿直路行驶时，学习率逐步衰减；在遇到坡道或转弯时，动态提升学习率，以更有效地优化新场景。

首先，计算当前关键帧和上一关键帧之间的旋转矩阵R1和R0，其相对旋转矩阵为

，接着计算旋转弧度：

接着将弧度θrad转换为度数θ，并根据以下公式调整累计迭代次数：

当旋转角度达到90度时，累积迭代次数将被重置。

实验结果

精度

该方法在Waymo数据集上实现了新视角合成（NVS）的最佳性能。在追踪精度方面，与GlORIE-SLAM相当；而相比同样基于3DGS的SLAM方法MonoGS，误差降低至9.8%，显著提升了系统的鲁棒性和准确性。

消融研究

下表显示，自适应学习率调整和自适应尺度映射均对整体性能产生积极影响，而Pointmap回归网络更是该方法的核心支撑，对系统性能至关重要。

总结

OpenGS-SLAM是一种基于3DGS表示的RGB-only SLAM系统，适用于无界的户外场景。该方法将点图回归网络与3DGS表示结合，确保精确的相机姿态跟踪和出色的新视图合成能力。

与其他基于3DGS的SLAM系统相比，该方法在户外环境中提供了更高的跟踪精度和鲁棒性，使其在实际应用中具有较高的实用性。

（文：新智元）