ArborSplat: Online Semantic Gaussian Splatting SLAM for Orchards

📄 arXiv: 2609.26315v1 📥 PDF

作者: Alessandro Masini, Matteo Frosi, Mirko Usuelli, Matteo Matteucci

分类: cs.RO

发布日期: 2026-09-22

备注: 8 pages, 4 figures, 4 tables

💡 一句话要点

提出ArborSplat以解决果园机器人地图构建问题

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

关键词: 3D高斯点云 SLAM 果园机器人 语义优化 LiDAR里程计 精准农业 多视角融合

📋 核心要点

  1. 现有的3D高斯点云SLAM方法在处理薄结构时存在图像语义转移不可靠的问题，影响了果园机器人的地图构建效果。
  2. ArborSplat通过结合LiDAR里程计和语义优化，直接在高斯地图上处理语义信息，提升了对小结构的保留能力。
  3. 在苹果和梨果园的实验中，ArborSplat在所有12次遍历中保持了低于0.5米的绝对轨迹误差，并在速度上显著超过了其他基线方法。

📝 摘要（中文）

果园机器人需要能够保留小而重要的语义结构（如树干、支架和果实）的地图。3D高斯点云SLAM方法虽然在光度保真度上表现优异，但其优化过程仍然以外观为驱动，导致在薄结构的图像语义转移至3D点时不可靠。本文提出了ArborSplat，一个在线语义3D高斯点云SLAM系统，结合LiDAR里程计进行跟踪，并直接在高斯地图上优化语义，利用特定类别的高度带约束，融合多视角证据，在线生成语义点云，同时剔除与局部地面表面或单目深度不一致的标签。实验表明，该方法在苹果和梨果园的不同生长阶段表现出色，保持了较低的绝对轨迹误差，并在速度上显著优于现有方法。

🔬 方法详解

问题定义：本文旨在解决果园机器人在构建地图时无法有效保留小而重要的语义结构的问题。现有的3D高斯点云SLAM方法在处理薄结构时，图像语义转移至3D点的可靠性不足，导致地图质量下降。

核心思路：ArborSplat通过结合LiDAR里程计进行跟踪，并在高斯地图上直接优化语义，利用特定类别的高度带约束来提升对小结构的保留能力。这种设计使得语义信息能够更准确地反映在3D点云中。

技术框架：该方法的整体架构包括数据采集、LiDAR里程计跟踪、语义优化和多视角证据融合等主要模块。通过这些模块的协同工作，ArborSplat能够在线生成高质量的语义点云。

关键创新：最重要的技术创新在于直接在高斯地图上进行语义优化，并引入类别约束的高度带，这一设计显著提高了对薄结构的表示能力，与现有方法相比，能够更好地处理果园环境中的复杂结构。

关键设计：在参数设置上，ArborSplat保留了高斯容量以应对稀缺结构，并在训练视图准确性上进行了优化。此外，损失函数和网络结构的设计也针对特定类别进行了调整，以提高整体性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在实验中，ArborSplat在12次完整路线中保持了绝对轨迹误差（ATE）低于0.5米，并在301帧共享段中超越了SGS-SLAM和GS3LAM，训练视图的mIoU提升幅度为0.23至0.50，而在速度上则提高了1.7至7.5倍，显示出显著的性能优势。

🎯 应用场景

ArborSplat的研究成果在农业机器人领域具有广泛的应用潜力，尤其是在果园管理和精准农业中。通过提供高质量的地图，果园机器人能够更有效地进行果实采摘、病虫害监测等任务，从而提高农业生产效率和可持续性。未来，该技术还可以扩展到其他类型的农业环境和机器人应用中。

📄 摘要（原文）

Orchard robots need maps that preserve small but semantically important structures such as trunks, trellises, and fruit. 3D Gaussian Splatting (3DGS) SLAM achieves high photometric fidelity. However, its optimization remains appearance-driven, and transferring image semantics to 3D points is unreliable for thin structures, whose pixels may receive depth from background surfaces. We present ArborSplat, an online semantic 3DGS SLAM system that tracks with LiDAR odometry and optimizes semantics directly on the Gaussian map, constrained by class-specific height bands above a ground plane fitted to each keyframe's stereo point cloud, and fuses multi-view evidence into a semantic point cloud online while rejecting labels inconsistent with the local ground surface or with monocular depth. Class-constrained refinement reserves Gaussian capacity for underrepresented structures and, under reduced budgets, increases training-view accuracy on tree classes. We evaluate the approach on apple and pear orchards during dormancy, flowering, and harvesting. On full routes, it keeps ATE below 0.5 m on all 12 traversals. On shared 301-frame segments, it exceeds SGS-SLAM and GS3LAM by 0.23 to 0.50 training-view and 0.15 to 0.36 held-out mIoU while running 1.7 to 7.5 times faster, whereas SemGauss-SLAM runs out of GPU memory on all six.