VG-Mapping: Variation-Aware 3D Gaussians for Online Semi-static Scene Mapping

📄 arXiv: 2510.09962v1 📥 PDF

作者: Yicheng He, Jingwen Yu, Guangcheng Chen, Hong Zhang

分类: cs.RO

发布日期: 2025-10-11

🔗 代码/项目: GITHUB

💡 一句话要点

VG-Mapping：面向半静态场景的变异感知3D高斯在线建图

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

关键词: 3D高斯溅射 在线建图 半静态场景 TSDF体素地图 变异感知 机器人导航 场景重建

📋 核心要点

  1. 现有基于3DGS的在线建图方法难以准确高效地更新场景中发生变化的区域，导致地图质量下降。
  2. VG-Mapping采用混合表示，结合TSDF体素地图和3DGS，并引入变异感知密度控制策略，实现高效的地图更新。
  3. 实验结果表明，VG-Mapping在半静态场景中显著提升了渲染质量和地图更新效率，并提供了公开数据集。

📝 摘要（中文）

本文提出了一种名为VG-Mapping的在线3D高斯（3DGS）建图系统，专门针对半静态场景设计。该方法采用混合表示，利用基于TSDF的体素地图增强3DGS，以高效识别场景中发生变化的区域。同时，引入了一种变异感知密度控制策略，用于在发生变化的区域插入或删除高斯基元。此外，为了弥补该领域公共基准数据集的缺失，我们构建了一个包含合成和真实半静态环境的RGB-D数据集。实验结果表明，我们的方法显著提高了半静态场景中的渲染质量和地图更新效率。

🔬 方法详解

问题定义：论文旨在解决半静态场景下，如何高效且准确地更新3D地图的问题。现有基于3DGS的在线建图方法在处理场景变化时，更新效率和准确性不足，容易导致地图质量下降，影响后续的定位和导航等任务。

核心思路：论文的核心思路是利用TSDF体素地图快速识别场景中发生变化的区域，并结合3DGS的优势，在变化区域动态调整高斯基元的密度。通过这种混合表示和变异感知的密度控制，实现对半静态场景的高效更新。

技术框架：VG-Mapping系统主要包含以下几个模块：1) RGB-D数据输入；2) 基于TSDF体素地图的变化检测；3) 3DGS表示和渲染；4) 变异感知密度控制，包括高斯基元的插入和删除；5) 地图更新和优化。系统首先利用TSDF体素地图检测场景变化，然后根据变化情况，在3DGS表示中插入或删除高斯基元，最后通过优化算法更新地图。

关键创新：该方法最重要的创新点在于提出了变异感知的密度控制策略。传统3DGS方法通常采用全局优化策略，计算量大且效率低。VG-Mapping只在检测到变化的区域进行局部更新，显著提高了更新效率。此外，混合表示结合了TSDF体素地图和3DGS的优点，既能快速检测变化，又能保证地图的渲染质量。

关键设计：在变异感知密度控制方面，论文设计了一种基于变化程度的自适应阈值，用于判断是否需要插入或删除高斯基元。具体来说，当TSDF体素地图中某个区域的变化超过预设阈值时，系统会在该区域插入新的高斯基元；反之，如果某个区域的变化低于阈值，则删除该区域内冗余的高斯基元。损失函数方面，除了传统的渲染损失外，还引入了正则化项，以保证高斯基元的分布更加均匀。

📊 实验亮点

实验结果表明，VG-Mapping在半静态场景中显著提高了渲染质量和地图更新效率。与现有方法相比，VG-Mapping在渲染质量指标（如PSNR和SSIM）上取得了显著提升，同时地图更新速度也提高了数倍。此外，论文还公开了一个包含合成和真实数据的RGB-D数据集，为该领域的研究提供了宝贵资源。

🎯 应用场景

VG-Mapping可应用于机器人导航、增强现实、虚拟现实等领域。在机器人导航中，该方法可以帮助机器人在重复遍历的场景中快速更新地图，提高定位精度和导航效率。在AR/VR应用中，可以用于构建动态场景，提升用户体验。此外，该方法还可以应用于三维重建、场景理解等领域。

📄 摘要（原文）

Maintaining an up-to-date map that accurately reflects recent changes in the environment is crucial, especially for robots that repeatedly traverse the same space. Failing to promptly update the changed regions can degrade map quality, resulting in poor localization, inefficient operations, and even lost robots. 3D Gaussian Splatting (3DGS) has recently seen widespread adoption in online map reconstruction due to its dense, differentiable, and photorealistic properties, yet accurately and efficiently updating the regions of change remains a challenge. In this paper, we propose VG-Mapping, a novel online 3DGS-based mapping system tailored for such semi-static scenes. Our approach introduces a hybrid representation that augments 3DGS with a TSDF-based voxel map to efficiently identify changed regions in a scene, along with a variation-aware density control strategy that inserts or deletes Gaussian primitives in regions undergoing change. Furthermore, to address the absence of public benchmarks for this task, we construct a RGB-D dataset comprising both synthetic and real-world semi-static environments. Experimental results demonstrate that our method substantially improves the rendering quality and map update efficiency in semi-static scenes. The code and dataset are available at https://github.com/heyicheng-never/VG-Mapping.