摘要
在线语义高斯SLAM通常利用来自二维语义分割网络的逐帧预测来更新三维语义地图。然而，遮挡、视角变化和物体边界可能引入瞬时误分类，从而进一步导致跨帧语义不一致和误差传播。为解决这一问题，我们提出了HCSG-SLAM（历史一致语义高斯SLAM），这是一种轻量级的历史一致语义融合方法，适用于高斯SLAM，它在不对SGS-SLAM的主要RGB/深度跟踪与重建流水线进行任何修改的前提下，引入了紧凑的高斯级历史语义状态。每个高斯仅维护一个候选语义标签、一个投票状态和一个有效历史观测计数。流式投票策略形成历史语义共识，而严格因果的"目标在当前之前更新"策略则防止当前观测为其自身的校正目标提供贡献。在Replica和ScanNet上的实验均以分割网络的预测结果而非真实语义作为输入。在Replica上，平均mIoU从0.300830提升至0.307010，在所有15组配对运行中均取得正向增益。在ScanNet上，评估扩展至五个场景，总体平均mIoU从0.366279提升至0.372166，在25组配对场景-种子运行中有22组取得正向增益。逐类别分析表明，增益主要集中在若干结构类和家具类类别上，而少数类别保持不变或略有下降。在所有九种受控的瞬时损坏设置下均观测到了正向增益，此外针对持续性类别混淆和结构化边界偏移的测试也在所评估场景中产生了正向或持平的性能表现。与FD-EMA相比，HCSG-SLAM实现了可比的语义精度，同时每个高斯仅需12字节额外的时间状态，而FD-EMA则需要约202字节。HCSG-SLAM相对于基线引入了约2.05%的额外建图时间，而跟踪性能基本保持不变。这些结果表明，紧凑的高斯级时间语义状态能够以适度的在线融合开销提升语义一致性和鲁棒性。
