G2VLO：基于精确且通用的2D高斯模型的视觉激光雷达里程计技术

《IEEE Robotics and Automation Letters》：G2VLO: Accurate and Generic 2D Gaussian based Visual-LiDAR Odometry

基于2D高斯漫射的多模态SLAM系统G2VLO通过融合LiDAR与视觉数据，采用二维高斯分布提升几何建模精度，结合光流优化实现更鲁棒的多传感器同步定位与建图。

　　

摘要：

多模态SLAM是3D计算机视觉研究中的一个重要课题。当前的视觉-LiDAR SLAM系统利用光度误差来估计相机姿态，但它们对稀疏LiDAR投影的利用未能充分挖掘图像信息。集成3D高斯散射技术可以实现完整的图像渲染，然而椭球形高斯模型对场景几何结构的表示不够精确，从而导致对几何敏感的姿态估计出现偏差。为了解决这些问题，本文提出了一种基于2D高斯散射技术的精确且通用的多模态里程计算法——G2VLO（Gaussian 2D Visual Odometry）。与3DGS相比，2DGS通过使用2D高斯圆盘来提供更准确的几何表示。G2VLO由三个部分组成：LiDAR子系统、视觉子系统和联合2DGS映射子系统。LiDAR子系统和视觉子系统独立处理数据，这使得G2VLO成为一个能够支持LiDAR与相机之间不同采样率（5-15 Hz）的通用框架。联合映射子系统利用2D高斯模型来改进几何建模和姿态估计。为了进一步完善视觉子系统中的相机姿态，我们引入了基于渲染深度和法线的光度束调整方法。在公开数据集和自定义数据集上的实验表明，G2VLO的性能优于现有的最先进方法。