Towards Next-Generation SLAM: A Survey on 3DGS-SLAM Focusing on Performance, Robustness, and Future Directions

📄 arXiv: 2602.04251v1 📥 PDF

作者: Li Wang, Ruixuan Gong, Yumo Han, Lei Yang, Lu Yang, Ying Li, Bin Xu, Huaping Liu, Rong Fu

分类: cs.RO, cs.CV

发布日期: 2026-02-04

💡 一句话要点

综述3DGS-SLAM：面向性能、鲁棒性和未来方向的下一代SLAM系统

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

关键词: 3D高斯溅射 SLAM 同步定位与地图构建 三维重建 动态环境 鲁棒性 渲染质量

📋 核心要点

  1. 传统SLAM在动态环境和复杂场景中面临鲁棒性挑战，且渲染质量和细节恢复能力有限。
  2. 3DGS-SLAM利用3D高斯分布显式表示场景，实现高效渲染和高质量重建，为SLAM提供新思路。
  3. 该综述深入分析了3DGS-SLAM在性能、鲁棒性方面的优化方法，并展望了未来发展趋势。

📝 摘要（中文）

传统的同步定位与地图构建(SLAM)系统常常面临渲染质量粗糙、场景细节恢复不足以及在动态环境中鲁棒性差等局限性。3D高斯溅射(3DGS)凭借其高效的显式表示和高质量的渲染能力，为SLAM提供了一种新的重建范式。本综述全面回顾了将3DGS与SLAM集成的关键技术方法。我们分析了代表性方法在四个关键维度上的性能优化：渲染质量、跟踪精度、重建速度和内存消耗，深入研究了它们的设计原则和突破。此外，我们还研究了在运动模糊和动态环境等复杂环境中增强3DGS-SLAM鲁棒性的方法。最后，我们讨论了该领域未来的挑战和发展趋势。本综述旨在为研究人员提供技术参考，并促进以高保真度、效率和鲁棒性为特征的下一代SLAM系统的发展。

🔬 方法详解

问题定义：传统SLAM系统在动态环境下的鲁棒性较差，难以准确跟踪和重建场景。此外，渲染质量和场景细节的恢复也存在不足，难以满足高精度应用的需求。现有方法在处理运动模糊和动态物体时，容易出现跟踪失败和地图扭曲等问题。

核心思路：利用3D高斯溅射(3DGS)作为场景表示，其显式表达方式能够实现高效的渲染和高质量的重建。通过优化3D高斯参数，可以更好地适应动态环境和复杂场景，提高SLAM系统的鲁棒性和精度。核心在于将SLAM问题转化为3D高斯参数的优化问题。

技术框架：3DGS-SLAM的整体框架通常包括以下几个主要模块：1) 跟踪模块：利用相机图像和3D高斯表示，估计相机位姿；2) 建图模块：根据相机位姿和图像信息，更新3D高斯参数，构建场景地图；3) 优化模块：通过优化3D高斯参数和相机位姿，提高地图的精度和一致性。该流程通常采用迭代的方式进行，不断优化相机位姿和地图。

关键创新：最重要的技术创新在于将3DGS引入SLAM系统，利用其高效的渲染能力和显式表示，克服了传统SLAM在动态环境和复杂场景下的局限性。与基于隐式表示的方法相比，3DGS具有更高的渲染效率和更好的可解释性。此外，针对3DGS的优化算法也是关键创新点，例如自适应密度控制和鲁棒的参数更新策略。

关键设计：关键设计包括：1) 3D高斯参数的初始化策略，例如基于深度图或点云；2) 3D高斯参数的更新策略，例如基于梯度下降或高斯-牛顿法；3) 损失函数的设计，例如包括渲染损失、深度损失和正则化项；4) 自适应密度控制策略，用于动态调整3D高斯的数量和大小；5) 鲁棒的跟踪算法，用于处理运动模糊和动态物体。

📊 实验亮点

该综述全面分析了3DGS-SLAM在渲染质量、跟踪精度、重建速度和内存消耗四个关键维度上的性能。通过对比不同方法的性能指标，例如渲染PSNR、跟踪RMSE、重建时间和内存占用，总结了各种方法的优缺点和适用场景。此外，该综述还重点介绍了增强3DGS-SLAM鲁棒性的方法，例如基于运动估计的运动模糊补偿和基于语义分割的动态物体过滤。

🎯 应用场景

3DGS-SLAM技术在增强现实、虚拟现实、机器人导航、自动驾驶、三维重建等领域具有广泛的应用前景。它可以用于构建高精度、高效率的场景地图，为机器人提供更可靠的定位和导航能力，并为用户提供更逼真的沉浸式体验。未来，随着技术的不断发展，3DGS-SLAM有望成为下一代SLAM系统的核心技术。

📄 摘要（原文）

Traditional Simultaneous Localization and Mapping (SLAM) systems often face limitations including coarse rendering quality, insufficient recovery of scene details, and poor robustness in dynamic environments. 3D Gaussian Splatting (3DGS), with its efficient explicit representation and high-quality rendering capabilities, offers a new reconstruction paradigm for SLAM. This survey comprehensively reviews key technical approaches for integrating 3DGS with SLAM. We analyze performance optimization of representative methods across four critical dimensions: rendering quality, tracking accuracy, reconstruction speed, and memory consumption, delving into their design principles and breakthroughs. Furthermore, we examine methods for enhancing the robustness of 3DGS-SLAM in complex environments such as motion blur and dynamic environments. Finally, we discuss future challenges and development trends in this area. This survey aims to provide a technical reference for researchers and foster the development of next-generation SLAM systems characterized by high fidelity, efficiency, and robustness.