Бул изилдөө, GPS сигналыnin bulunmadığı, жарыктын начар болгону, дубалдарın birbirine benzediği жана чаң, insan же кыймылдуу унаа gibi бузуучуların bulunduğu жер алдындагы ortamlarında bir мобилдүү платформаun ошол эле anda hem kendi абалunu болжол etmesi hem de çстадияsinin тыгыз үч өлчөмдүү картаsını oluşturması үчүн GTS-SLAM adlı bir система öneriyor. Система ön учta Generalized Iteratiжана Closest Point (GICP) менен геометриялык чекит булуту дал келтирүү, arka учta болсо 3D Gaussian Splatting (3DGS) менен yoğun сахна temsili kullanıyor. Bunlara Gaussian масштаб регуляризациясы, yeni Gauss элементlarının масштаб шайкештештирүү, эки деңгээлдүү ачкыч кадр seçimi, фактор графы оптималдаштырууu жана Compact 3DGS эс кысуу ekleniyor. Replica маалымат топтомуnde 30 FPS чекında орточо 0,17 cm абсолюттук траектория катасы жана 38,70 dB PSNR raporlanırken, öz-toplanan/simüle edмененn üç ortamda ATE 0,065–0,112 m жана траектория drift катышы %2,1–%4,6 арасында kalmıştır.

Изилдөөnın негизги дизайн fikri, абал болжолдоосуni гана сүрөт түсlerinin же fotometrik haдиагнозn üzerine bırakmamaktır. GICP, тереңдикten oluşturulan nokta булутlarının жергиликтүү геометриялык belirsizliğini ковариацияlarla temsil ederek камера абалunu геометриялык катары туруктууlemeye çсатып алууır. 3DGS болсо ошол эле çстадияyi абал, сүрөт, түс жана sайdamlık параметрlerine sahip çok sайıda үч өлчөмдүү Gauss ilkeliyle yoğun biçimde temsil eder. Düzeltilmiş камера абалları daha tutarlı bir 3B карта oluştururken, daha doğru карта sonraki GICP дал келтирүүlerini destekler; böylece абал жана карта арасындаki ката кайтарым байланышsinin azaltılması максатlanır.

En күчтүү ablasyon табылгаларından biri, 3D Gaussian ölçeklerinin башкарууünün гана визуалдык сапат meselesi olmadığını göstermesidir. TUM маалымат топтомуnde масштаб регуляризациясы olmadan орточо ATE 236,54 cm iken тегиздик регуляризацияde 29,12 cm, эллиптик регуляризацияde болсо 2,53 cm катары баяндалган. Replica'daki ölçek hizalama тажрыйбаinde GICP kullanılmadan ATE 8,893 cm iken GICP менен 0,258 cm'ye; GICP жана 1,5z Re-init бирге kullanıldığında 0,152 cm'ye gerмененmiştir. Bu натыйжалар, тыгыз картаdaki Gaussian геометрияsinin ön уч абал болжолдоосуnin статистикалык tutarlılığını түздөн-түз etkмененdiğini көрсөтөт.

Түркия жагынан: Түркия'de кен galerалдыга, автожол жана темир жол tünelleri, жер алдындагы otoparkları, инфраструктура galerалдыга же kapalı өнөр жай alanlarda GPS'siz автономдуу navigasyon açжылуулукndan метод концептуалдык катары маанилүү. Бирок изилдөө Түркия'deki чыныгы кен геометрияleri, чаң yoğunluğu, айdınlatma düzenleri, iş машинаleri, камера/depth сенсорleri же iş коопсузği gereklilikleri üzerinde ырасталган эмес. Мындан тышкары kullanılan “жер алдындагы yolu” чыныгы өндүрүш yapan bir кен değil, төмөн ışıklı simüle edilmiş bir тест ortamıdır. Түркия'deki колдонмо үчүн чыныгы талаа RGB-D маалымат kalitesi, титирөө, yoğun чаң, суу sisi, чагылуу, uzun galerмененr, сенсор булганууsi, loop cloсууre bulunачыткыn маршрутlar жана унаа классı камтылган жабдык üzerinde көз карандысыз валидация керек.

Yerастында SLAM эмне үчүн normal bir ички мейкиндикdan daha zor?

SLAM, Simultaneous Localization and Mapping, yani бир убактагы абалды аныктоо жана карталоо пробlemidir. Bir робот же автономдуу унаа daha önce картаsını bilmediği bir ortamda кыймыл ederken hem “Ben şu anda neredeyim?” soruсууnu hem de “Çстадияm кантип görünüyor?” soruсууnu ошол эле anda çözmeye çсатып алууır.

Yeraltı galerалдыга bu пробlem үчүн айрыкча zordur. Изилдөө üç ana zorluk диагнозmlamaktadır. Birincisi dar, uzun жана birbirine benzeyen бетlerin çokluğudur. Beton püsкатып жетилүүtme же тоо тек дубалдарı ошол эле оюмleri tekrar eагымlir жана uzun bir galeri boyunca bагым бурчу çok az değişebilir. Bu durum айрыкча koridor doğrultuсууndaki öзымemenin yeterince gözlemleнымдуулукemesine жана drift birikmesine yol açabilir.

İkinci sorun zайıf айdınlatma, чаң жана суу sisidir. Düşük ışık сүрөт gürültüsünü жүкseltirken чаң жана чагылууlar тереңдик сенсоруnde тешикler же yanlış noktalar oluşturabilir. Üçüncü sorun болсо кыймылli personel, iş машинаleri же başka унааlardır. Klasik SLAM çoğunlukla çстадияnin büжүк bölümünün statik болгонуnu varsайar; кыймыл eden объектler yanlış геометриялык eşleşmeler üretebilir.

Ошондуктан yerастындаki системанын гана bir камера траекториясы üretmesi yeterli эмес. Изилдөөчүлөр ортомчуn тоскоолдукden kaçınma, өтүү uygunluğu баалоосу, өлчөө, текшерүү жана визуалдаштыруу үчүн kullanılabмененcek yoğun bir çстадия модельi de oluşturması gerektiğini коргонууktadır.

GTS-SLAM кайсы пробlemi çözmek үчүн tasarlandı?

Birçok 3DGS tabanlı SLAM системанынde издөө жана карталоо birbirinden görece өзүнчөdır. Ön уч камера абалunu болжол eder; arka уч bu абалları kullanarak 3DGS картаsını günceller. Бирок yanlış камера абалu картаyı bozabilir. Bozulmuş карта daha sonra yeni камера абалunun болжолдоосуni daha da kötüleştirebilir.

GTS-SLAM'ın amacı bu оң ката döngüsünü kısaltmaktır. Bunun үчүн ana абалды аныктоо чектөөı катары GICP геометрияsi колдонулат; узак мөөнөттүү drift фактор графыyle düzeltilir жана 3DGS картаsı düzeltilmiş камера абалları üzerinden optimize edilir. Güncellenmiş Gaussian картасы daha sonra кайра издөө sürecine geri beslenir.

GICP ne түзүмyor?

Klasik ICP iki чекит булуту арасында eşleşen noktaları arайarak aralarındaki геометриялык катаyı küçültmeye çсатып алууır. GICP болсо her nokдиагнозn çстадияsindeki геометрияnin гана bir nokta olmadığını, белгилүү bir белгисиздик түзүмsı taşıdığını hesaba katar.

Булак чекит булутуndaki \(a_i\) жана hedef булутtaki \(b_i\) noktaları үчүн жергиликтүү ковариацияlar \(C_i^A\) жана \(C_i^B\) колдонулат. Dönüşüm болжол менен катары şu Mahalanobis-салмакlı hedefle elde edilir:

\[ T^* = \arg\min_T \sum_i (a_i-Tb_i)^T (C_i^A+TC_i^BT^T)^{-1} (a_i-Tb_i) \]

Bunun физикалык anlamı маанилүү. Düz bir дубалdaki nokдиагнозn дубал normali boyunca кыймылi күчтүү bir геометриялык ката oluştururken дубал düzlemi үчүнdeki küçük değiшимler daha belirsiz болушу мүмкүн. Koвариация түзүмsı GICP'nin кайсы yöndeki катаya daha фазаla güжанаneceğini belirlemesine yardımcı olur.

Yerel komşuluğun өздүк маанилер \(\lambda_1\geq\lambda_2\geq\lambda_3\) biçiminde incelenir. \(\lambda_3\) diğerlerinden çok küçükse bölge болжол менен bir düzlem катары мааниlendirмененbilir; кыр жана köşelerde болсо ар түрдүү анизотроптук түзүмlar oluşur.

Hareketli insan же yanlış тереңдик noktası системаi эмне үчүн hemen bozmasın?

Изилдөөчүлөр эки баскычтуу четки маани bastırması kullanmaktadır. İlk баскычda максимум eşleşme аралыкsinin dışındaki noktalar elenir; булакta örnek инженердик aralığı 5–10 cm катары маалыматlmektedir. Normal tutarlılığı башкарууü de ар түрдүү бетlerin yanlış eşleşmesini азайтуу үчүн kullanılabilir.

İkinci баскычda Huber же Cauchy gibi бекем жоготуу ядролору büжүк калдыкların оптималдаштыруу üzerindeki тармакırlığını azaltır. Böylece кыймыл eden kişinin oluşturduğu birkaç yanlış eşleşmenin бардык камера pozunu sürüklemesinin önüne geçilmeye çсатып алууılır.

Her GICP итерацияunda poz artımı \(\delta\xi\) üzerinden Leжанаnberg–Marquardt çözümü kullanılabilir:

\[ (J^TWJ+\mu I)\delta\xi=-J^TWr \]

Бул жердеki \(W\), hem ковариация негизгиli Mahalanobis салмактарыnı hem de robust-kernel салмактарыnı içerir.

Uzun bir tünelde кайсы кыймылдарыn gözlemleнымдуулукemesi sorun olur?

Uzun жана neredeyse ошол эле kesite sahip bir galeri boyunca мененrlerken камера сүрөтү bir önceki абалa çok benzeyebilir. Bu durumda айрыкча galeri doğrultuсууndaki кыймыл жана bazı yaw bмененşenleri yeterince күчтүү геометриялык bilgi üretmeyebilir.

GTS-SLAM маалымат матрицасыnin \(H=J^TWJ\) өздүк маанилерni же шарт саныnı inceleyerek bu tür дегенерацияu аныктоо etmeyi önerir. En küçük өздүк маани sıfıra yaklaşıyorsa белгилүү кыймыл yönleri yeterince байкалбайт болушу мүмкүн.

Önerмененn karşı önlemler арасында daha sık ачкыч кадр oluşturmak, фактор графыndeki геометриялык чектөөлөрı artırmak жана кыска мөөнөттүү zайıf кыймыл öncülleri kullanmak бар. Изилдөөчүлөр чыныгы инженердик системаlerinde IMU, одометрия же LiDAR füzyonunu da gelecekteki маанилүү çözüm катары билдирет.

3D Gaussian Splatting тыгыз картаyı кантип temsil ediyor?

3DGS картаsı, klasik чекит булутуndaki гана абал taşıyan noktalar yerine hacimsel жана визуалдык айрыкчаri bulunan çok sайıda Gaussian ilkelinden oluşur. Her \(g_k\) Gauss элементи:

\[ g_k=(\mu_k,\Sigma_k,c_k,\alpha_k) \]

менен диагнозmlanmaktadır. Бул жерде \(\mu_k\) үч өлчөмдүү merkez, \(\Sigma_k\) ковариация/сүрөт, \(c_k\) түс параметрleri жана \(\alpha_k\) тунук эместикtır.

Koвариация:

\[ \Sigma_k = R_k \operatorname{diag} (s_{k,x}^2,s_{k,y}^2,s_{k,z}^2) \]

biçiminde өзүнчөştırılabilir. Böylece Gaussian сфералык olmak zorunda эмес; bir дубал бетine акчаlel yassı bir elipsoid же татаал геометрияlerde ар түрдүү yönlere uzanan bir түзүм болушу мүмкүн.

Kamera сүрөтsü oluşturulurken 3B Gauss элементları сүрөт тегиздигиne eliptik Gaussian өзөкleri катары projekte edilir. Derinliğe göre рейтинг жана альфа композициясыyle болжолдоосу сүрөт üretilir. Bu ачык temsil, NeRF tipi yoğun ışın үлгүлөөsine kıyasla тез растеризация жана түздөн-түз бутоо/кысуу avantajı сууnmaktadır.

Система эмне үчүн üç ар түрдүү ылдамдыкda çсатып алууan iş parçacığına өзүнчөlıyor?

Bir унаа абалunu onlarca валisaniye үчүнde bilmeli; fakat yoğun bir 3B картаnın her кадрde бардыкüyle кайра optimize edilmesi gerekmez. GTS-SLAM bu эмне үчүнle üç убакыт ölçeği kullanmaktadır.

Gaussian ölçeği эмне үчүн абал катаsını yüzlerce santimetre değiştirebiliyor?

3DGS'te her Gauss элементиnın boyutu жана biçimi öğrenilir. Kontrol olmadığında iki негизги bozulma meydana gelebilir. Bir Gaussian aşırı büyüyerek birdэң көп физикалык бетi ошол эле anda kaplайabilir же окlerinden biri neredeyse sıfıra inerken başka bir окde aşırı uzайabilir.

Bu гана сүрөтyü bulanıklaştırmaz. GICP ошол эле Gaussian геометрияsini абал болжолдоосу үчүн kullandığı үчүн yanlış biçimli карта yanlış геометриялык eşleşmeler oluşturabilir.

Изилдөөda üç durum салыштырылган: düzenlмененştirme yok, düzlem düzenlмененştirmesi жана daha жалпы эллиптик регуляризация. Натыйжаlar son derece belirgindir.

Yeni Gaussian'lar mevcut картаyla кантип ошол эле ölçeğe кайтарымliyor?

Bir унаа мененrledikçe daha önce görülmemiş бетler картаya eklenir. Yeni Gaussian'ların баштапкы ölçeği mevcut картаdan çok ар түрдүү olursa оптималдаштыруу yanlış геометриялык түзүмya жакынsайabilir.

GTS-SLAM bu эмне үчүнle GICP'nin жергиликтүү ковариация bilgisini Gaussian'ın biçim жана yön başlangıcında kullanır. Мындан тышкары Re-init mekanizması yeni Gaussian'ın баштапкы ölçeğini тереңдик/геометрия istatistiğine göre кайра belirler.

Replica üzerinde sekiz сахнаnin орточо натыйжаларыnda GICP жана Re-init olmadan ATE 8,893 cm, PSNR 24,81 dB'dir. Yalnız GICP eklendiğinde ATE 0,258 cm'ye düşmektedir. GICP + Re-init 1,5z айarında ATE 0,152 cm, PSNR 38,79 dB, SSIM 0,973 жана LPIPS 0,039 катары баяндалган.

Neden her камера кадрsini карталооda kullanmıyor?

Daha фазаla сүрөт her убакыт daha iyi карта anlamına gelmez. Çok фазаla ачкыч кадр hem соода жүкünü artırır hem de birbirine çok benzeyen сүрөттөрүn ошол эле küçük bölgeyi aşırı optimize etmesine эмне үчүн болушу мүмкүн.

Изилдөө takip ачкыч кадрлар менен карталоо ачкыч кадрларni birbirinden айırmaktadır. Replica'da 30 FPS takip жана ek карталоо ачкыч кадрsi olmadan ATE 0,174 cm'dir. Takip 10 FPS'e indirildiğinde yine 0,174 cm olurken өзүнчө карталоо ачкыч кадрлар eklendiğinde ATE 0,160 cm'ye düşmektedir.

Изилдөөчүлөр карталоо ачкыч кадрsi үчүн her 10 кадрde bir seçim yapmanın ablasyon тажрыйбаinde uygun болгонуnu bildiriyor. Takip ачкыч кадрлар болсо örneğin 0,15–0,30 m öзымeme, 8–15° dönme же eşleşme kalitesinin düşmesi gibi koşullarla tэтикалыкlenebilir; bu аралыкlar метод bölümünde инженердик параметр örnekleri катары берилген.

En жакын кадрleri kullanmak эмне үчүн kötü болушу мүмкүн?

3DGS оптималдаштырууu сызыктуу эмес жана жергиликтүү минимумlara duyarlı bir пробlemdir. Yalnız mevcut абалa en жакын сүрөттөрүn kullanılması ошол эле бетi benzer açılardan tekrar tekrar öğretir. Bu, дубалдарın şişmesi, eğrilmesi же текстураların bulanıklaşması gibi жергиликтүү bozulmalara эмне үчүн болушу мүмкүн.

Replica ablasyonunda гана en жакын кадр seçimi PSNR 26,627 dB, SSIM 0,873 жана LPIPS 0,200 üretirken; rastgele ар түрдүү ачкыч кадрler PSNR 38,815 dB, SSIM 0,976 жана LPIPS 0,041 sonucuna жеткен. Изилдөөчүлөр bunu daha geniş çoklu görüş чектөөлөрına bтармакlamaktadır.

Gaussian eklemek mi, gereksiz Gaussian silmek mi daha маанилүү?

Изилдөөnın Tablo 5 натыйжалары bu система түзүмlandırmasında aşırı densification'ın чектелген fайda sтармакladığını, бутооnın болсо gereksiz же катаlı Gaussian калдыкlarını азайтуу açжылуулукndan маанилүү болгонуnu көрсөтөт.

Изилдөөчүлөр айрыкча жер алдындагы gibi görece sade жана zайıf текстураlu геометрияlerde үзгүлтүксүз yeni Gaussian eklemek yerine öncelikle sтармакlam bir pruning стратегияsi kurulmasını теоремаktedir.

Faktör графiği узак аралык driftini кантип azaltıyor?

Her ачкыч кадр bir poz түйүнü катары ele alınır. Ardışık ачкыч кадрler арасындаki göreli poz GICP'den gelir. Aynı yere кайра dönüldüğü algılanırsa loop cloсууre туташууsı da графiğe eklenebilir.

Optimizasyon негизги катары:

\[ \min_{\{T_i\}} \sum_{(i,j)\in E} \left\| \log \left( T_{ij}^{-1}T_i^{-1}T_j \right) \right\|_{\Omega_{ij}}^2 \]

түзүмsındaki göreli poz tutarlılığını azaltачыткы çсатып алууır. Güncellenen ачкыч кадр pozları 3DGS карталоо sürecine geri yazılır. Böylece uzun bir koridorda жергиликтүү GICP катаlarının түздөн-түз kalıcı карта eğriliğine айланууmesi тоскоолдукlenmeye çсатып алууılır.

Compact 3DGS эмне үчүн gerekli?

Yoğun Gaussian картасыndaki ilkel sайжылуулук унаа мененrledikçe үзгүлтүксүз artabilir. Bu durum bellek колдонууını, rendering наркini жана узак мөөнөттүү изилдөө туруктууlığını чекlar.

Compact 3DGS üç деңгээлde azaltma uygular: gereksiz Gaussian sайжылуулукnı azaltma; түс, ölçek жана тунук эместик gibi параметрleri daha компакт сактоо; her кадрde гана көрүнгөн жана etkili Gaussian'ların активдүү edilmesi.

Kamu маалымат топтомдоруnde de büжүк төмөндөөler görülmektedir. Örneğin Replica Of0 сахнаsindeki сактоо 1027 MB'den 192,6 MB'ye; TUM fr2-xyz 210 MB'den 39,4 MB'ye төмөндөтүлгөн.

Öz-toplanan сахнаlerde болсо 332 MB'lik ички мейкиндик картаsı 56 MB'ye, 259 MB'lik koridor картаsı 29 MB'ye жана 198 MB'lik simüle жер алдындагы картаsı 27 MB'ye төмөндөтүлгөн.

Реалдуу убакыттагыlık менен карта kalitesi арасында кантип bir тең салмак var?

Replica тестinde GTS-SLAM takip ылдамдыкına чек konmadığında орточо 97,51 FPS, PSNR 35,68 dB, SSIM 0,958 жана LPIPS 0,068 elde etmiştir. Takip 30 FPS менен чекlandığında орточо ылдамдык 29,99 FPS olurken карта kalite маанилерi PSNR 38,70 dB, SSIM 0,971 жана LPIPS 0,042'ye жогорулаган.

Bu натыйжа ilginç bir инженердик ödünleшимini көрсөтөт: системанын бардык эсептөө бюджетsini максимум takip ылдамдыкına harcamaması, arka уч 3DGS оптималдаштырууuna daha фазаla убакыт bırakabilir жана тыгыз карта kalitesini artırabilir.

TUM'da болсо булак, GTS-SLAM'ın ылдамдык üstünlüğünü koruduğunu бирок PSNR/SSIM/LPIPS açжылуулукndan bazı салыштыруу ыкмаларinin daha iyi olabildiğini ачыкça kabul etmektedir. Демек “en тез жана her metrikte en kaliзымi” түрүндө bir натыйжа çıkarılmamalıdır.

Булак визуалдыкleri ne көрсөтөт?

Şekil 1, GTS-SLAM'ın en маанилүү система diyagramıdır: RGB-D кадрden чекит булутуna, GICP poz болжолдоосуne, ачкыч кадр kararına жана 3DGS карта оптималдаштырууuna giden агымı; güncellenmiş Gaussian картаnın tekrar poz болжолдоосуne dönmesini gösterir.

Şekil 2 жана 3, sırasıyla Replica жана TUM üzerinde карта kalitesi менен FPS арасындаki салыштырууyı gösterir. Replica графiğinde 30 FPS GTS-SLAM жогорку PSNR жана төмөн LPIPS менен күчтүү bir тең салмак sergмененrken TUM графiğinde asıl өзүнчөşma ылдамдык tarafındadır.

Şekil 4, болжол менен 31,7 m uzunluğunda, 3,6 m genişliğinde жана 3,7 m жогоркуliğinde; айdınlatması 10 lux'ün астында olan simüle edilmiş жер алдындагы yolu тажрыйба ortamının iki görünümünü маалыматr.

Şekil 5 öz-toplanan ички мейкиндик сахнаsinin ön, sтармак, sol, arka жана üst olmak üzere beş yoğun 3B rekonstrüksион görünümünü gösterir. Şekil 6 uzun koridorun, Şekil 7 болсо симуляцияланган жер алдындагы жолnun iki ар түрдүү кайра oluşturulmuş 3B görünümünü сууnar. Görseller, системанын гана камера траекториясы değil, çстадияnin бетsel yoğun temsilini de oluşturduğunu gösterir.

Şekil 8–10 sırasıyla ички мейкиндик, koridor жана simüle жер алдындагы сахнаlerindeki үч өлчөмдүү траектория визуалдаштырууlerini сууnmaktadır. Изилдөөчүлөр бардык сценарийlarda траекторияnin такtisiz kaldığını, бирок uzun koridor жана жер алдындагы yolunda driftin tamamen ortadan kaldırılmadığını билдирет.

Изилдөө эмнени колдойт?

• GICP менен 3DGS'nin sıkı biçimde bтармакlanmasının bazı benchmarklarda төмөн траектория катаsı жана жогорку тыгыз карта kalitesiyle бирге çсатып алууabildiğini.
• Gaussian масштаб регуляризациясыnin абалды аныктоо туруктууlığı açжылуулукndan критикалык болгонуnu.
• GICP ковариацияı менен Re-init масштаб шайкештештирүүnın Replica тажрыйбаlerinde hem ATE hem rendering сапатыni күчтүү biçimde iyмененştirdiğini.
• Haritalama ачкыч кадрларnin эсептөө бюджетsini daha натыйжалуулукli kullanabildiğini.
• Çeşitli görüş açılarından ачкыч кадр kullanmanın 3DGS'nin жергиликтүү минимум пробlemini azaltabildiğini.
• Compact 3DGS'nin тест edмененn сахнаlerde bellek колдонууını %80'in üzerinde azaltabildiğini.
• Zайıf ışıklı жана кайталануучу геометриялуу simüle/эксперименттик ortamda такtisiz издөө жана тыгыз картаlamanın чыныгыleştirмененbildiğini.

Изилдөө эмнени далилдебейт?

• Gerçek өндүрүш yapan bir жер алдындагы kиш мөөнөтү кенinde автономдуу ортомчуn узак мөөнөттүү operasyon коопсузğini далилдебейт.
• Toz эмне үчүнiyle RGB-D тереңдик өлчөөünün büжүк bölümünün kайbболгону koşullarda такtisiz изилдөөyı garanti etmiyor.
• Yalnız RGB камераyla ошол эле натыйжаларыn elde edмененceğini göstermiyor; негизги система RGB-D girdiye dайanıyor.
• IMU, LiDAR же дөңгөлөк одометрияsi olmadan sonсууz uzunluktaki loop-cloсууre'sız tünellerde driftin ortadan kalktığını göstermiyor.
• Yüksek катышda динамикалык объект каптооsında robust kernel колдонууının бардык ghosting пробlemlerini çözdüğünü göstermiyor.
• Çok тез büжүк маршрутsyonlarda GICP'nin her убакыт doğru минимумa жакынsайacтармакını göstermiyor.
• TUM üzerinde бардык rendering kalite metriklerinde en iyi метод болгонуnu göstermiyor.
• Compression uygulanmış системанын чыныгы автомобилдик классı төмөн күчтүү аппараттык жабдык üzerinde акыркы кубат керектөө жана термалдык жүрүм-турумını doğrulamıyor.

Изилдөөнүн методу жана натыйжалары

Ortak оптималдаштыруу пробlemi

GTS-SLAM'ın негизги hedefi камера траекториясы \(T\) менен Gaussian картасы \(G\)'yi birbirinden көз карандысыз iki пробlem gibi değil, геометриялык, rendering жана regularization terimleri içeren ortak bir түзүм үчүнde ele almaktır.

Harita:

\[ G=\{g_k\}_{k=1}^{K} \]

жана her Gaussian:

\[ g_k=(\mu_k,\Sigma_k,c_k,\alpha_k) \]

түрүндө диагнозmlanır. Максат fonksионu GICP геометриялык калдыкlarını, 3DGS сүрөт/rendering tutarlılığını жана карта düzenlмененştirme terimlerini бирге içerir.

3DGS жоготуу fonksионu

Haritalama tarafındaki негизги жоготуу түзүмsı:

\[ L= \lambda_{rgb}L_{rgb} + \lambda_{ssim}L_{ssim} + \lambda_{depth}L_{depth} + \lambda_{reg}L_{reg} \]

катары маалыматlmektedir. Renk kайbı пиксел rekonstrüksионunu, SSIM структуралык tutarlılığı, тереңдик kайbı геометриялык derinliği жана regularization Gaussian biçiminin туруктуу kalmasını hedefler.

Kullanılan kamu маалымат топтомдору

Replica траектория doğruluğu

Replica'nın sekiz сахнаsindeki орточо ATE тейлөөından GTS-SLAM булакta karşılaştırılan ыкмалар арасында эң төмөн мааниi sтармакlamıştır. Tekil сахна маанилерi 0,13–0,23 cm аралыгындаdır.

TUM траектория doğruluğu

TUM натыйжалары, Replica'daki kadar mutlak üstünlük көрсөтпөйт. ORB-SLAM3 жана Photo-SLAM булак таблицаda 1,3 cm орточо ATE менен GTS-SLAM'ın 2,5 cm мааниinden daha төмөнtür. GTS-SLAM'ın burada негизги avantajı, тыгыз картаlama жана жогорку FPS'yi ошол эле система үчүнde sтармакlamasıdır.

Replica карта kalitesi жана ылдамдык

Kайnтармакa göre 30 FPS чекı тыгыз картаlama үчүн daha фазаla эсептөө бюджетsi bırakarak rendering сапатыni жүкseltmektedir.

Anahtar кадр ablasyonu

Öz-toplanan жана simüle edilmiş тест ortamları

İç mekân динамикалык ortamı, кыймыл eden insanlar, kısmi тоскоолдукlenme, cam/чагылдыруучу беттер жана камера кыймыл бүдөмүктүгүnı içerir.

Dış koridor ortamı болжол менен 36,8 m uzunluk, 1,8 m genişlik жана 3,1 m жогоркуliğe sahiptir. Tekrarlaкаптал бетler жана чектелген bагым бурчу değiшимi эмне үчүнiyle uzunlamasına drift açжылуулукndan zorlu bir сценарийdur.

Simüle жер алдындагы yolu болжол менен 31,7 m uzunluk, 3,6 m genişlik жана 3,7 m жогоркуlik маанилерine sahiptir. Aydınlatma 10 lux'ün астындаdır. Bu ortam чыныгы өндүрүш yapan bir кен değil, төмөн ışıklı жер алдындагы koşullarını temsil etmek үчүн oluşturulmuş тажрыйба сахнаsidir.

Ortam zorlaştıkça ATE жана drift artmaktadır. İç mekânda 0,065 m olan ATE koridorda 0,085 m'ye жана simüle жер алдындагы ortamında 0,112 m'ye жогорулаган. Drift катышы da sırasıyla %2,1, %3,4 жана %4,6'dır. Bu натыйжалар системанын катаsız olmadığını; gözlemlenebilirlik azaldıkça жана ışık/тереңдик sorunları arttıkça абал катаsının büyüdüğünü gösterir.

Compact 3DGS'nin öz-toplanan ortamlardaki etkisi

Bellek küçülürken rendering ылдамдыгынn düşmemesi, окine bu üç тажрыйбаde 83–90 FPS aralığına çıkması системанын узак мөөнөттүү mobil колдонуу hedefi açжылуулукndan маанилүү bir инженердик sonucudur. Бирок bu натыйжа tek başına белгилүү bir gömülü унаа bilgisайarındaki кубат керектөөni же термалдык туруктууlığı далилдебейт.

Başlıca başarжылуулукzlık durumları

Geniş alanlı тереңдик kайbı: Toz же чагылуу yüzünden çok az GICP eşleşmesi kalırsa система дегенерацияa girebilir.

Çok тез büжүк айлануу: Ardışık кадрlerin кабатталууsi ciddi biçimde azalırsa GICP жергиликтүү минимумa жакынsайabilir.

Yoğun динамикалык kapatma: Сүрөтnün büжүк bölümü кыймылli insan же унааlarla kaplıysa гана robust kernel yeterli olачыткыbilir.

Loop cloсууre olачыткыn çok uzun tünel: Faktör графiği жергиликтүү катаları azaltabilse de yeni сфералык чектөө oluşmadığında drift аралыкyle birikebilir.

Çok büжүк ölçekli узак мөөнөттүү карта: Compact 3DGS büyümeyi азайтууtadır бирок чекsız süre çсатып алууan çok büжүк картаlarda карта тейлөө жана loop cloсууre жүкü кайра sorun oluşturabilir.

Келечектеги иш önerалдыга

Изилдөөчүлөр динамикалык объекттерi ачык biçimde модельlemek үчүн семантикалык сегментация же оптикалык агым tutarlılığı; uzun loop-cloсууre'sız маршрутlarda IMU, одометрия жана LiDAR füzyonu; daha фазаla параметр nicemleme жана карта bölümlendirme; кошумча кен/tünel түзүмsının убакыт үчүнde değişmesini yönetebмененn uzun dмаанилүү карта версиялоо mekanizmalarını gelecek изилдөө alanları катары көрсөтөт.

Булак жана метод эскертүүсү

Толук оригиналдуу изилдөө аталышы: GTS-SLAM: A Tightly-Coupled GICP and 3D Gaussian Splatting Framework for Robust Dense SLAM in Underground Mines

Авторлор жана sıraları: Yi Liu; Changxin Li; Meng Jiang.

Eş katkı/eş birinci автор: Булакта belirtilmemiştir.

Жооптуу автор: Yi Liu.

Мекеме: School of Artificial Inзымligence, China Uniжанаrsity of Mining and Technology (Beijing), Beijing 100083, China.

Журнал: Vehicles.

Басма: MDPI, Basel, Switzerland.

Жарыялануу bilgisi: Vehicles 2026, 8, 79.

DOI: 10.3390/жанаhicles8040079.

Расмий шилтеме:https://doi.org/10.3390/жанаhicles8040079

Булак түрү: Hakemli изилдөө макалаsi; тыгыз SLAM метод иштеп чыгуу, геометриялык оптималдаштыруу, 3D Gaussian Splatting tabanlı карталоо, kamu маалымат топтому benchmarkları, ablasyon талдоосу жана öz-toplanan/simüle edмененn çстадия тастыктоолорını içermektedir.

Hakemlik/жарыялануу durumu: Булакта макалаnin 27 Şubat 2026'da alındığı, 25 Mart 2026'da revize edildiği, 31 Mart 2026'da kabul edildiği жана 3 Nisan 2026'da yайımlandığı белгиленет.

Лицензия: Creatiжана Commons Attribution (CC BY).

Каржылоо: National Natural Science Foundation of China Grant No. 52364017 жана Inner Mongolia Autonomous Region Key Research and Deжанаlopment and Technology Transfer Program Project Grant No. 2025YFHH0001.

Маалымат жеткиликтүүлүгү: Verалдыгаn авторлорdan talep üzerine edinмененbмененceği белгиленген.

Кызыкчылыктар кагылышы: Авторлор кызыкчылыктар кагылышы olmadığını bildirmiştir.

Авторлордун салымдары: Kavramsallaştırma Y.L.; методология Y.L. жана C.L.; biçimsel талдоо жана маалымат катып жетилүүasyonu C.L.; ilk taslak C.L.; текшерүү жана düzenleme Y.L. жана M.J.; gкыскачаim жана proje башкарууi Y.L. жана M.J.; каржылоо edinimi Y.L. катары белгиленген.

Илимий мазмун чеги: Bu Verianla yazжылуулукndaki метод, formüller, маалымат топтомдору, параметрler, салыштырууlar, ablasyon натыйжалары, öz-toplanan тажрыйба маанилерi жана чектөөлөр ганаca incelenen изилдөөya daкүйүүktadır. Булак dışından yeni SLAM başarımı, кен коопсуздук sonucu же талаа аткарымы eklenmemiştir.

Gerçek кен талааsı чекı: Изилдөөnın колдонмо hedefi жер алдындагы кен унааlarıdır; бирок сууnulan öz-toplanan тастыктоо чыныгы өндүрүш yapan bir kиш мөөнөтү кенindeki узак мөөнөттүү унаа operasyonu эмес. Kullanılan тажрыйбаler ички мейкиндик динамикалык сахнаsi, тышкы коридор жана төмөн ışıklı симуляцияланган жер алдындагы жолndan oluşmaktadır.

Derinlik сенсору чекı: GTS-SLAM'ın GICP ön ucu RGB-D тереңдик геометрияsine күчтүү biçimde dайanır. Geniş alanlı depth hole oluşumu же çok төмөн геометриялык кабатталуу системаi дегенерацияa sürükleyebilir.

Реалдуу убакыттагыlık чекı: Replica'daki 97,51 FPS чекsız takip жана 29,99 FPS башкарууlü takip натыйжалары ilgili тажрыйба түзүмlandırmasına aittir. Изилдөө bu маанилерi акыркы унаа классı төмөн күчтүү gömülü платформаda түзүмlan kapsamlı талаа тестi катары сунбайт.

Tablo 10 editoryal notu: Tablo ачыкlaması TUM üzerinde PSNR, SSIM, LPIPS жана FPS салыштырууsı болгонуnu жана Şekil 3 ошол эле ölçütleri визуалдыкleştirdiğini gösterirken, таблицаnun sütun başlıklarında fr1/Desk, fr2/xyz, Fr3/Office жана Avg. ifadeleri yer almaktadır. Satır маанилерinin büжүктөлгөнkleri болсо PSNR/SSIM/LPIPS/FPS рейтингsıyla uyumlu görünmektedir. Bu булак içi biçim/başlık uyuşmazlığı sessizce düzeltilmiş маалымат gibi ele alınmamıştır.

Булак визуалдык notu: Şekil 1 системанын sıkı bтармакlı takip-карталоо агымını; Şekil 2–3 kamu маалымат топтомдоруndeki ылдамдык/kalite салыштырууlarını; Şekil 4 simüle жер алдындагы тест ortamını; Şekil 5–7 yoğun 3B rekonstrüksиондору; Şekil 8–10 болсо üç ortamın траектория визуалдаштырууlerini сууnmaktadır.