户外 SLAM 的次第漂移问题开云kaiyun.com，终于有了新解法！

香港科技大学（广州）的询查的最新后果：S3PO-GS，一个挑升针对户外单目 SLAM 的 3D 高斯框架，已被 ICCV 2025 采纳。

项责任的亮点在于初次完满了 RGB 单目 SLAM 的全局次第一致性。在 Waymo、KITTI 和 DL3DV 三大户外基准测试中，S3PO-GS 不仅在新视角合成任务中刷新了 SOTA 记录，更是在 DL3DV 场景中将追踪舛讹镌汰了 77.3%。

这篇著作作念了什么？

在自动驾驶、机器东说念主导航及 AR/VR 等前沿领域，SLAM 工夫的鲁棒性平直影响系统性能。

刻下基于 3D 高斯（3DGS）的 SLAM 决策虽在室内场景发扬超卓，但在仅依赖 RGB 输入的无界户外环境中仍靠近严峻挑战：

单目系统固有的深度先验缺失导致几何信息不及，而引入单目深度料想或端到端点云模子（如 MASt3R）动作几何先验时，又因帧间次第不一致性激发系统级次第漂移，该问题在复杂户外场景尤为杰出。

针对这一对重瓶颈，香港科技大学（广州）询查团队提倡改变框架S3PO-GS ，初次完满 RGB 单目 SLAM 的全局次第一致性。

该决策通过三大中枢工夫禁止：

率先拓荒自洽追踪模块，哄骗 3DGS 渲染生陈次第自洽的 3D 点云图，并与刻下帧成立精确的 2D-3D 对应干系，从而摒除位姿料想中的漂移舛讹；

其次联想动态建图机制，改变性提倡基于局部 patch 的次第对都算法，动态校准预测验点云图（MASt3R）与 3DGS 场景的次第参数，措置次第磨蹭问题；

临了构建麇集优化架构，通过点云替换战术与几何监督亏蚀函数，同步晋升定位精度与场景重建质料。

在 Waymo、KITTI 及 DL3DV 三大户外基准测试中，S3PO-GS 展现出显赫上风：其追踪精度越过通盘现存 3DGS-SLAM 设施，尤其在 DL3DV 场景中将舛讹镌汰 77.3%；同期在新视角合成任务中刷新 SOTA 记录，Waymo 数据集 PSNR 蓄意达到 26.73，为无界户外场景的及时高精度重建成立了新标杆。

基高兴趣

如图所示，S3PO-GS 系统责任流始于舆图运升沉阶段：通过 1000 步迭代优化 MASt3R 预测验点云图，构建运转 3D 高斯场景暗示。

当新输入帧    干涉追踪阶段时，系统辖先栅格化渲染相邻关键帧    的 3D 高斯点图，随后与刻下帧进行特征匹配成立 2D-3D 对应干系，基于此料想次第自洽的相机位姿并哄骗光度亏蚀进行缜密化转机。

若    被选为关键帧则触发动态建图机制：

系统同步赢顺应前渲染点图    与预测验点图  ，推行中枢的基于局部 patch 的次第对都算法——通过编著具有一样散布的图像 patch、实施归一化处理、筛选几何一致性点云，最终计较缩放因子完满    的精确校准。

在麇集优化阶段，系统基于对都点图同步优化高斯舆图参数与相机位姿，造成定位与重建相互强化的闭环：

相机位姿优化为场景重建提供精确视角拘谨，而动态校准的高斯舆图则为后续帧追踪提供几何一致性保险，从而完满高精度定位与高保真重建的协同跃升。

动态建图机制

此算法的中枢洞见在于：

一方面，3DGS 渲染点图    虽因重建不齐全存在几何缺失，但其次第与场景全局严格自洽；

另一方面，预测验点图  （如 MASt3R）虽能感知像素级空间干系，却因帧间次第歧义与刻下高斯舆图次第失配。

针对此矛盾特色，本责任提倡动态双向校准机制：

率先实施基于局部 patch 的次第对都——通过块一样性分析筛选空间散布一致的高置信度点，成立   与    的局部映射干系，求解最优缩放因子    将    精确映射至场景次第空间；

继而推行几何 - 次第解耦交融，以矫正后的点图    动作几何监督信号，遴荐性修补    的残破区域，最终造陈次第长入且几何完备的场景先验。

其中次第对都算法详备经由如下：

实验效果展示

定量对比

新视角渲染对比

如下图所示，本设施渲染的高保真图像可精确捕捉车辆纹理、街说念细节与建筑结构。在深度变化复杂的区域（如树枝分叉处、路边车辆堆叠场景），渲染的深度图精度显赫晋升。

△Waymo ( 上三行 ) 和 KITTI ( 下三行 )

△DL3DV

追踪轨迹对比

如下图所示在剧烈视角变动场景下，本决策展现出超卓的抗视角巨变本事，位姿追踪踏实性显赫越过现存 3DGS SLAM 设施。

追忆

本询查提倡了S3PO-GS，一个面向户外单目场景的三维高斯泼溅（3D Gaussian Splatting）SLAM 框架，具备次第自洽点云图（scale self-consistent pointmap），以支吾户外场景中常见的次第漂移和几何先验缺失问题。

通过引入一个次第自洽的 3DGS 点云图追踪模块，将位姿料想所需的迭代次数减少至传统设施的 10%，并在如 Waymo 等复杂数据集上完满了精确的相机追踪。

此外，提倡了一种基于局部补丁匹配的动态 patch 映射机制，有用措置了单目深度次第磨蹭的问题，并显赫晋升了重建质料。

实验限度标明，本设施在 3DGS SLAM 的追踪精度和新视角合成方面建造了新的基准。将来的责任将探索回文检测和大领域动态场景优化，以拓展该设施在户外 SLAM 中的应用界限。

原文连气儿：https://arxiv.org/abs/2507.03737

代码连气儿：https://github.com/3DAgentWorld/S3PO-GS

官方主页：https://3dagentworld.github.io/S3PO-GS/

一键三连「点赞」「转发」「贯注心」

接待在挑剔区留住你的念念法！

—  完  —

� � 点亮星标 � �

科技前沿进展逐日见开云kaiyun.com