G2S-ICP SLAM: Geometry-aware Gaussian Splatting ICP SLAM

📄 arXiv: 2507.18344v1 📥 PDF

作者: Gyuhyeon Pak, Hae Min Cho, Euntai Kim

分类: cs.RO

发布日期: 2025-07-24

备注: 8 pages, 6 figures

💡 一句话要点

G2S-ICP SLAM：基于几何感知的Gaussian Splatting ICP SLAM系统

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: SLAM Gaussian Splatting ICP RGB-D 三维重建 几何感知 位姿估计

📋 核心要点

  1. 传统SLAM方法在深度信息解释上存在不足，尤其是在处理多视角一致性时，基于3D椭球的表示方法存在局限性。
  2. G2S-ICP SLAM通过将场景元素表示为约束于局部切平面的高斯分布，有效建模局部表面，提升深度信息解释的一致性。
  3. 实验结果表明，G2S-ICP SLAM在定位精度和重建完整性上优于现有SLAM系统，同时保持了渲染质量，实现了实时运行。

📝 摘要（中文）

本文提出了一种新的几何感知RGB-D Gaussian Splatting SLAM系统，名为G2S-ICP SLAM。该方法通过使用约束于局部切平面的高斯分布来表示每个场景元素，从而实现高保真3D重建和鲁棒的相机姿态跟踪。这种方法有效地将局部表面建模为与底层几何结构对齐的2D高斯圆盘，与传统的基于3D椭球体表示的各向同性不确定性相比，能够实现跨多个视点更一致的深度解释。为了将这种表示集成到SLAM流程中，我们通过引入各向异性协方差先验，将表面对齐的高斯圆盘嵌入到广义ICP框架中，而无需改变底层的配准公式。此外，我们提出了一种几何感知损失，用于监督光度、深度和法线一致性。我们的系统实现了实时操作，同时保持了视觉和几何保真度。在Replica和TUM-RGBD数据集上的大量实验表明，G2S-ICP SLAM在定位精度、重建完整性方面优于先前的SLAM系统，同时保持了渲染质量。

🔬 方法详解

问题定义：现有SLAM系统在三维重建和相机姿态估计中，尤其是在处理RGB-D数据时，面临着如何有效地融合深度信息并保持几何一致性的挑战。传统的基于3D椭球体表示的方法，由于其各向同性的不确定性，难以准确地建模局部表面几何结构，导致深度信息在不同视角下的一致性较差。

核心思路：G2S-ICP SLAM的核心思路是将场景中的每个元素表示为一个高斯分布，并将其约束在局部切平面上。这种方法将局部表面建模为一个与底层几何结构对齐的2D高斯圆盘，从而能够更准确地表示表面的几何信息，并提高深度信息在不同视角下的一致性。

技术框架：G2S-ICP SLAM系统主要包含以下几个关键模块：1) 场景表示：使用表面对齐的高斯圆盘表示场景；2) 位姿估计：将高斯圆盘嵌入到广义ICP框架中，通过最小化点云之间的距离来估计相机位姿；3) 几何感知损失：设计了一种几何感知损失函数，用于监督光度、深度和法线的一致性；4) 优化：通过优化相机位姿和高斯参数，实现高保真度的三维重建。

关键创新：该方法最重要的创新点在于提出了表面对齐的高斯圆盘表示方法，以及将其嵌入到广义ICP框架中。与传统的基于3D椭球体表示的方法相比，该方法能够更准确地建模局部表面几何结构，并提高深度信息在不同视角下的一致性。此外，几何感知损失的引入进一步提升了重建的质量。

关键设计：在G2S-ICP SLAM中，关键的设计包括：1) 各向异性协方差先验：在广义ICP框架中引入各向异性协方差先验，以更好地利用表面对齐的高斯圆盘的几何信息；2) 几何感知损失函数：该损失函数包括光度一致性损失、深度一致性损失和法线一致性损失，用于监督重建的几何一致性；3) 实时优化：通过高效的优化算法，实现系统的实时运行。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

G2S-ICP SLAM在Replica和TUM-RGBD数据集上进行了广泛的实验，结果表明该系统在定位精度和重建完整性方面优于现有的SLAM系统。具体而言，G2S-ICP SLAM在定位精度方面取得了显著的提升，并且能够重建更完整、更准确的三维模型。同时，该系统还保持了较高的渲染质量，实现了实时运行。

🎯 应用场景

G2S-ICP SLAM在机器人导航、增强现实、虚拟现实、三维重建等领域具有广泛的应用前景。该系统能够实现高精度、高保真度的三维重建，为机器人提供更准确的环境感知信息，从而提高机器人的导航能力。同时，该系统也可以用于创建逼真的虚拟环境，提升用户在AR/VR应用中的沉浸感。

📄 摘要（原文）

In this paper, we present a novel geometry-aware RGB-D Gaussian Splatting SLAM system, named G2S-ICP SLAM. The proposed method performs high-fidelity 3D reconstruction and robust camera pose tracking in real-time by representing each scene element using a Gaussian distribution constrained to the local tangent plane. This effectively models the local surface as a 2D Gaussian disk aligned with the underlying geometry, leading to more consistent depth interpretation across multiple viewpoints compared to conventional 3D ellipsoid-based representations with isotropic uncertainty. To integrate this representation into the SLAM pipeline, we embed the surface-aligned Gaussian disks into a Generalized ICP framework by introducing anisotropic covariance prior without altering the underlying registration formulation. Furthermore we propose a geometry-aware loss that supervises photometric, depth, and normal consistency. Our system achieves real-time operation while preserving both visual and geometric fidelity. Extensive experiments on the Replica and TUM-RGBD datasets demonstrate that G2S-ICP SLAM outperforms prior SLAM systems in terms of localization accuracy, reconstruction completeness, while maintaining the rendering quality.