DUDG-SLAM：一种基于动态回放和深度不确定性引导的高斯SLAM算法，用于实现鲁棒的RGB-D重建

《Sensors》：DUDG-SLAM: Dynamic Replay and Depth-Uncertainty-Guided Gaussian SLAM for Robust RGB-D Reconstruction

　　

摘要

基于3D高斯散布（3DGS）的RGB-D SLAM系统常常会因为历史监督数据的减少、深度观测数据的噪声以及在线重建过程中的局部窗口优化而导致地图质量下降。为了解决这些问题，我们提出了DUDG-SLAM，这是一种动态重放和深度不确定性引导的高斯SLAM框架。该方法根据重建误差、遗忘程度以及高斯可视性来选择性地重放历史关键帧，从而恢复先前重建区域的监督信息。此外，RGB-D传感器的深度被视为主要几何约束，而仅在传感器深度缺失或不可靠的区域引入基于尺度对齐的深度预测。进一步设计了一种像素级的不确定性加权对数深度损失函数，以减少噪声深度观测和不可靠深度边界的影响。在Replica和TUM RGB-D数据集上的实验表明，DUDG-SLAM提高了渲染质量、轨迹精度和重建的鲁棒性。与基线算法相比，DUDG-SLAM在降低LPIPS和ATE的同时，一致性地提高了PSNR和SSIM指标。