Utafiti huu unapendekeza mfumo unaoitwa GTS-SLAM kwa mazingira ya chini ya ardhi ambako hakuna ishara ya GPS, mwanga ni hafifu, kuta zinafanana, na kuna visumbufu kama vumbi, watu au magari yanayosonga, ili jukwaa la rununu liweze kwa wakati mmoja kukadiria mahali lilipo na kuunda ramani mnene ya pande tatu ya mazingira yake. Mfumo hutumia Generalized Iterative Closest Point (GICP) katika upande wa mbele kwa ulinganishaji wa kijiometri wa point cloud, na 3D Gaussian Splatting (3DGS) katika upande wa nyuma kwa uwakilishi mnene wa eneo. Vipengele vya ziada ni regularization ya skeli ya Gaussian, ulinganishaji wa skeli wa vipengele vipya vya Gauss, uteuzi wa keyframe wa ngazi mbili, uboreshaji wa factor graph na ukandamizaji wa kumbukumbu wa Compact 3DGS. Kwenye dataset ya Replica, kwa kikomo cha 30 FPS, wastani wa absolute trajectory error wa 0,17 cm na PSNR ya 38,70 dB umeripotiwa; katika mazingira matatu yaliyokusanywa na watafiti wenyewe/yaliyoigwa, ATE ilibaki katika 0,065–0,112 m na uwiano wa trajectory drift katika %2,1–%4,6.

Wazo kuu la usanifu wa utafiti ni kutoacha ukadiriaji wa mahali utegemee tu rangi za picha au hitilafu ya fotometri. GICP huwakilisha kutokuwa na uhakika wa kijiometri wa point cloud zilizoundwa kutoka depth kwa kutumia covariance, na hujaribu kufunga pose ya kamera kwa msingi wa kijiometri. 3DGS, kwa upande mwingine, huwakilisha mazingira hayo hayo kwa msongamano kwa kutumia primitive nyingi za Gauss za pande tatu zenye vigezo vya mahali, umbo, rangi na opacity. Pose za kamera zilizorekebishwa huunda ramani ya 3D yenye uthabiti zaidi, huku ramani sahihi zaidi ikiunga mkono ulinganishaji wa GICP unaofuata; hivyo mfumo unalenga kupunguza mzunguko wa mrejesho wa makosa kati ya mahali na ramani.

Moja ya matokeo yenye nguvu zaidi ya ablation inaonyesha kwamba udhibiti wa skeli za 3D Gaussian si suala la ubora wa picha pekee. Kwenye dataset ya TUM, bila regularization ya skeli, wastani wa ATE ulikuwa 236,54 cm; kwa regularization ya planar ulikuwa 29,12 cm, na kwa regularization ya elliptic ulikuwa 2,53 cm. Katika jaribio la scale alignment kwenye Replica, ATE ilikuwa 8,893 cm bila GICP, ikashuka hadi 0,258 cm kwa GICP, na hadi 0,152 cm wakati GICP na 1,5z Re-init zilitumiwa pamoja. Matokeo haya yanaonyesha kwamba jiometri ya Gaussian katika ramani mnene huathiri moja kwa moja uthabiti wa kitakwimu wa ukadiriaji wa mahali katika upande wa mbele.

Kwa mtazamo wa Uturuki: Mbinu hii ni muhimu kwa dhana kwa urambazaji wa kujiendesha bila GPS katika maghala ya migodi, vichuguu vya barabara na reli, maegesho ya chini ya ardhi, njia za miundombinu au maeneo ya viwanda yaliyofungwa nchini Uturuki. Hata hivyo, utafiti haujathibitishwa kwa jiometri halisi za migodi nchini Uturuki, msongamano wa vumbi, mipangilio ya mwanga, mashine za kazi, kamera/depth sensor au mahitaji ya usalama kazini. Zaidi ya hayo, “barabara ya chini ya ardhi” iliyotumiwa si mgodi halisi unaozalisha, bali ni mazingira ya majaribio yaliyoigwa yenye mwanga hafifu. Kwa matumizi nchini Uturuki, uthibitishaji huru unahitajika kwa ubora wa data halisi ya RGB-D ya uwanjani, mtetemo, vumbi zito, ukungu wa maji, mwako, maghala marefu, uchafuzi wa sensor, njia zisizo na loop closure na hardware ya embedded ya kiwango cha gari.

Kwa nini SLAM chini ya ardhi ni ngumu zaidi kuliko mazingira ya kawaida ya ndani?

SLAM ni Simultaneous Localization and Mapping, yaani tatizo la kubainisha mahali na kutengeneza ramani kwa wakati mmoja. Roboti au gari linalojiendesha linaposonga katika mazingira ambayo ramani yake haijulikani mapema, hujaribu kujibu kwa wakati mmoja maswali “Niko wapi sasa?” na “Mazingira yangu yanaonekanaje?”

Maghala ya chini ya ardhi ni magumu hasa kwa tatizo hili. Utafiti unaeleza changamoto tatu kuu. Ya kwanza ni wingi wa nyuso nyembamba, ndefu na zinazofanana. Kuta za shotcrete au miamba zinaweza kurudia mifumo inayofanana, na pembe ya kutazama inaweza kubadilika kidogo sana kwenye urefu wa ghala. Hali hii inaweza kufanya hasa translation katika mwelekeo wa korido kutokuwa observable vya kutosha na kusababisha drift kujikusanya.

Changamoto ya pili ni mwanga hafifu, vumbi na ukungu wa maji. Mwanga mdogo huongeza kelele ya picha, huku vumbi na reflection zikiweza kusababisha mashimo au pointi zisizo sahihi kwenye depth sensor. Changamoto ya tatu ni wafanyakazi wanaosonga, mashine za kazi au magari mengine. SLAM ya kawaida kwa ujumla hudhani kwamba sehemu kubwa ya mazingira ni static; vitu vinavyosonga vinaweza kutoa ulinganishaji wa kijiometri usio sahihi.

Kwa hiyo haitoshi kwa mfumo wa chini ya ardhi kutoa trajectory ya kamera pekee. Watafiti wanasisitiza kwamba gari pia linapaswa kuunda modeli mnene ya mazingira inayoweza kutumika kwa kuepuka vizuizi, kutathmini uwezekano wa kupita, upimaji, ukaguzi na uonyeshaji.

GTS-SLAM iliundwa kutatua tatizo gani?

Katika mifumo mingi ya SLAM inayotegemea 3DGS, tracking na mapping zimetenganishwa kwa kiasi. Upande wa mbele hukadiria pose ya kamera; upande wa nyuma hutumia pose hizo kusasisha ramani ya 3DGS. Hata hivyo, pose isiyo sahihi ya kamera inaweza kuharibu ramani. Ramani iliyoharibika inaweza kisha kufanya ukadiriaji wa pose ya kamera inayofuata kuwa mbaya zaidi.

Lengo la GTS-SLAM ni kufupisha mzunguko huu chanya wa makosa. Kwa hiyo, jiometri ya GICP hutumiwa kama kizuizi kikuu cha localization; drift ya muda mrefu husahihishwa kwa factor graph, na ramani ya 3DGS huoptimishwa kwa kutumia pose za kamera zilizosahihishwa. Ramani ya Gaussian iliyosasishwa kisha hurudishwa kwenye mchakato wa tracking.

GICP hufanya nini?

ICP ya kawaida hutafuta pointi zinazolingana kati ya point cloud mbili na kujaribu kupunguza hitilafu ya kijiometri kati yao. GICP huzingatia kwamba jiometri inayozunguka kila pointi si pointi tupu tu, bali ina muundo fulani wa kutokuwa na uhakika.

Kwa pointi \(a_i\) katika point cloud ya chanzo na \(b_i\) katika cloud lengwa, covariance za ndani \(C_i^A\) na \(C_i^B\) hutumiwa. Transformation hupatikana takribani kwa lengo lifuatalo lenye uzito wa Mahalanobis:

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

Maana yake ya kimwili ni muhimu. Kusogea kwa pointi kwenye ukuta tambarare katika mwelekeo wa normal ya ukuta hutengeneza hitilafu kubwa ya kijiometri, wakati mabadiliko madogo ndani ya plane ya ukuta yanaweza kuwa na kutokuwa na uhakika zaidi. Muundo wa covariance husaidia GICP kuamua ni hitilafu katika mwelekeo gani inapaswa kuamini zaidi.

Eigenvalue za ujirani wa ndani huchunguzwa kwa umbo \(\lambda_1\geq\lambda_2\geq\lambda_3\). Ikiwa \(\lambda_3\) ni ndogo sana kuliko nyingine, eneo linaweza kutathminiwa takribani kama plane; kwenye edges na corners, miundo tofauti ya anisotropic hujitokeza.

Kwa nini mtu anayesonga au pointi ya depth isiyo sahihi isiiharibu mfumo mara moja?

Watafiti hutumia uzuiaji wa outlier wa hatua mbili. Katika hatua ya kwanza, pointi zilizo nje ya umbali wa juu wa ulinganishaji huondolewa; chanzo kinatoa 5–10 cm kama mfano wa range ya kihandisi. Ukaguzi wa consistency ya normal pia unaweza kutumiwa kupunguza ulinganishaji usio sahihi wa nyuso tofauti.

Katika hatua ya pili, robust loss kernel kama Huber au Cauchy hupunguza uzito wa residual kubwa katika optimization. Kwa njia hii, mfumo hujaribu kuzuia pointi chache za ulinganishaji zisizo sahihi zilizosababishwa na mtu anayesonga zisivute pose nzima ya kamera.

Katika kila iteration ya GICP, suluhisho la Levenberg–Marquardt linaweza kutumiwa kwa increment ya pose \(\delta\xi\):

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

Hapa \(W\) inajumuisha uzito wa Mahalanobis unaotegemea covariance pamoja na uzito wa robust-kernel.

Ni kutokuonekana kwa aina gani ya movement kunakosababisha tatizo katika tunnel ndefu?

Unaposonga kwenye ghala refu lenye cross-section karibu sawa, picha ya kamera inaweza kufanana sana na mahali pa awali. Katika hali hii, hasa translation katika mwelekeo wa ghala na baadhi ya vipengele vya yaw vinaweza kutotoa taarifa ya kijiometri yenye nguvu ya kutosha.

GTS-SLAM inapendekeza kugundua degeneracy hii kwa kuchunguza eigenvalue au condition number ya information matrix \(H=J^TWJ\). Ikiwa eigenvalue ndogo zaidi inakaribia sifuri, baadhi ya mwelekeo wa movement unaweza kuwa hauonekani vya kutosha.

Hatua zilizopendekezwa za kukabiliana na hali hii ni pamoja na kuunda keyframe mara nyingi zaidi, kuongeza geometric constraints katika factor graph na kutumia weak motion priors za muda mfupi. Watafiti pia wanataja fusion ya IMU, odometry au LiDAR kama suluhisho muhimu la baadaye katika mifumo halisi ya kihandisi.

3D Gaussian Splatting huwakilishaje ramani mnene?

Ramani ya 3DGS, badala ya pointi za kawaida za point cloud ambazo hubeba mahali pekee, huundwa na primitive nyingi za Gaussian zenye sifa za volumetric na visual. Kila element ya Gauss \(g_k\):

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

hufafanuliwa. Hapa \(\mu_k\) ni center ya pande tatu, \(\Sigma_k\) ni covariance/shape, \(c_k\) ni vigezo vya rangi na \(\alpha_k\) ni opacity.

Covariance inaweza kutenganishwa kama:

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

Hivyo Gaussian si lazima iwe spherical; inaweza kuwa ellipsoid bapa sambamba na uso wa ukuta au muundo uliorefuka katika mwelekeo tofauti kwenye jiometri changamano.

Picha ya kamera inapoundwa, element za 3D Gauss huprojeciwa kwenye image plane kama elliptical Gaussian kernels. Picha iliyokadiriwa hutengenezwa kwa depth sorting na alpha compositing. Uwakilishi huu wazi hutoa rasterization ya haraka na pruning/compression ya moja kwa moja ikilinganishwa na dense ray sampling ya aina za NeRF.

Kwa nini mfumo umegawanywa katika threads tatu zinazofanya kazi kwa kasi tofauti?

Gari linahitaji kujua mahali lilipo ndani ya makumi ya millisecond; lakini si lazima ramani mnene ya 3D ioptimishwe upya kikamilifu katika kila frame. Kwa hiyo GTS-SLAM hutumia time scale tatu.

Kwa nini skeli ya Gaussian inaweza kubadilisha hitilafu ya localization kwa mamia ya sentimita?

Katika 3DGS, ukubwa na umbo la kila element ya Gauss hujifunzwa. Bila udhibiti, aina mbili kuu za distortion zinaweza kutokea. Gaussian inaweza kuwa kubwa kupita kiasi na kufunika nyuso kadhaa za kimwili kwa wakati mmoja, au axis moja inaweza kukaribia sifuri huku nyingine ikirefuka kupita kiasi.

Hii haifanyi picha kuwa blur tu. Kwa sababu GICP hutumia jiometri hiyo hiyo ya Gaussian kwa ukadiriaji wa mahali, ramani yenye umbo lisilo sahihi inaweza kusababisha ulinganishaji usio sahihi wa kijiometri.

Utafiti ulilinganisha hali tatu: bila regularization, planar regularization na elliptic regularization ya jumla zaidi. Matokeo ni ya wazi sana.

Gaussian mpya zinawekwaje kwenye skeli sawa na ramani iliyopo?

Gari linaposonga mbele, nyuso ambazo hazijaonekana hapo awali huongezwa kwenye ramani. Ikiwa skeli ya mwanzo ya Gaussian mpya inatofautiana sana na ramani iliyopo, optimization inaweza kuconverge kwenye muundo wa kijiometri usio sahihi.

Kwa hiyo GTS-SLAM hutumia taarifa ya local covariance ya GICP katika initialization ya shape na orientation ya Gaussian. Pia, mechanism ya Re-init huweka upya skeli ya mwanzo ya Gaussian mpya kulingana na takwimu za depth/geometry.

Katika wastani wa matokeo ya scene nane za Replica, bila GICP na Re-init, ATE ilikuwa 8,893 cm na PSNR 24,81 dB. GICP pekee ilipoingizwa, ATE ilishuka hadi 0,258 cm. Katika mpangilio wa GICP + Re-init 1,5z, ATE ya 0,152 cm, PSNR 38,79 dB, SSIM 0,973 na LPIPS 0,039 ziliripotiwa.

Kwa nini kila frame ya kamera haitumiki kwenye mapping?

Picha nyingi zaidi hazimaanishi kila wakati ramani bora zaidi. Keyframe nyingi mno huongeza mzigo wa computation na pia zinaweza kusababisha picha zinazofanana sana kuoptimisha kupita kiasi eneo lile lile dogo.

Utafiti unatenganisha tracking keyframe na mapping keyframe. Kwenye Replica, kwa tracking ya 30 FPS na bila mapping keyframe za ziada, ATE ni 0,174 cm. Tracking ikipunguzwa hadi 10 FPS, ATE hubaki 0,174 cm; mapping keyframe tofauti zinapoongezwa, ATE hushuka hadi 0,160 cm.

Watafiti wanaripoti kwamba kuchagua mapping keyframe moja kila frame 10 kulikuwa kunafaa katika jaribio la ablation. Tracking keyframe zinaweza kuanzishwa, kwa mfano, kwa masharti kama translation ya 0,15–0,30 m, rotation ya 8–15° au kushuka kwa ubora wa ulinganishaji; range hizi zimetolewa katika sehemu ya mbinu kama mifano ya vigezo vya kihandisi.

Kwa nini kutumia frame zilizo karibu zaidi kunaweza kuwa vibaya?

Optimization ya 3DGS ni tatizo lisilo linear na ni nyeti kwa local minima. Kutumia picha zilizo karibu zaidi na mahali pa sasa pekee hufundisha uso ule ule mara kwa mara kutoka pembe zinazofanana. Hii inaweza kusababisha distortion za ndani kama kuvimba au kupinda kwa kuta na texture kuwa blur.

Katika ablation ya Replica, uteuzi wa frame zilizo karibu zaidi pekee ulitoa PSNR 26,627 dB, SSIM 0,873 na LPIPS 0,200; keyframe tofauti za nasibu zilifikia PSNR 38,815 dB, SSIM 0,976 na LPIPS 0,041. Watafiti wanahusisha hili na multi-view constraints pana zaidi.

Ni muhimu zaidi kuongeza Gaussian au kufuta Gaussian zisizo za lazima?

Matokeo ya Jedwali 5 yanaonyesha kwamba katika configuration hii ya mfumo, densification kupita kiasi hutoa faida ndogo, wakati pruning ni muhimu kwa kupunguza mabaki ya Gaussian yasiyo ya lazima au yenye makosa.

Watafiti wanapendekeza hasa katika jiometri rahisi kiasi na yenye texture hafifu kama mazingira ya chini ya ardhi, mkakati thabiti wa pruning ujengwe kwanza badala ya kuendelea kuongeza Gaussian mpya.

Factor graph hupunguzaje drift ya umbali mrefu?

Kila keyframe huchukuliwa kama pose node. Relative pose kati ya keyframe zinazofuatana hutoka kwa GICP. Ikiwa mfumo unatambua kurudi katika mahali pale pale, loop closure link pia inaweza kuongezwa kwenye graph.

Optimization kimsingi hujaribu kupunguza kutolingana kwa relative pose katika muundo huu:

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

Pose zilizosasishwa za keyframe huandikwa tena kwenye mchakato wa mapping wa 3DGS. Kwa njia hii, mfumo hujaribu kuzuia makosa ya ndani ya GICP katika korido ndefu yasigeuke moja kwa moja kuwa upinde wa kudumu wa ramani.

Kwa nini Compact 3DGS ni muhimu?

Idadi ya primitive katika ramani mnene ya Gaussian inaweza kuendelea kuongezeka kadiri gari linavyosonga. Hii huweka kikomo matumizi ya kumbukumbu, gharama ya rendering na uthabiti wa kazi ya muda mrefu.

Compact 3DGS hupunguza katika ngazi tatu: kupunguza idadi ya Gaussian zisizo za lazima; kuhifadhi kwa compact zaidi vigezo kama rangi, skeli na opacity; na kuamsha katika kila frame Gaussian zinazoonekana na zenye athari pekee.

Upungufu mkubwa unaonekana pia kwenye dataset za umma. Kwa mfano, storage ya scene ya Replica Of0 imepunguzwa kutoka 1027 MB hadi 192,6 MB; TUM fr2-xyz kutoka 210 MB hadi 39,4 MB.

Katika scene zilizokusanywa na watafiti wenyewe, ramani ya ndani ya 332 MB ilipunguzwa hadi 56 MB, ramani ya korido ya 259 MB hadi 29 MB, na ramani ya chini ya ardhi iliyoigwa ya 198 MB hadi 27 MB.

Kuna uwiano gani kati ya real-time na ubora wa ramani?

Katika jaribio la Replica, GTS-SLAM ilipokuwa bila kikomo cha kasi ya tracking, ilifikia wastani wa 97,51 FPS, PSNR 35,68 dB, SSIM 0,958 na LPIPS 0,068. Tracking ilipowekewa kikomo cha 30 FPS, wastani wa kasi ulikuwa 29,99 FPS, huku viashiria vya ubora wa ramani vikiongezeka hadi PSNR 38,70 dB, SSIM 0,971 na LPIPS 0,042.

Matokeo haya yanaonyesha trade-off ya kihandisi inayovutia: kutotumia budget yote ya computation kufikia tracking speed ya juu zaidi kunaweza kuacha muda zaidi kwa optimization ya 3DGS katika upande wa nyuma na kuongeza ubora wa ramani mnene.

Kwenye TUM, chanzo kinakubali wazi kwamba GTS-SLAM inaendelea kuwa na faida ya kasi, lakini baadhi ya mbinu za kulinganisha zinaweza kuwa bora zaidi kwa PSNR/SSIM/LPIPS. Kwa hiyo, hitimisho la “ya haraka zaidi na bora zaidi katika kila metric” halipaswi kutolewa.

Picha za chanzo zinaonyesha nini?

Kielelezo 1 ndicho diagram muhimu zaidi ya mfumo wa GTS-SLAM: kinaonyesha mtiririko kutoka frame ya RGB-D kwenda point cloud, ukadiriaji wa pose wa GICP, uamuzi wa keyframe na optimization ya ramani ya 3DGS; pia kinaonyesha ramani ya Gaussian iliyosasishwa kurudi tena kwenye ukadiriaji wa pose.

Vielelezo 2 na 3 vinaonyesha mtawalia ulinganishaji kati ya ubora wa ramani na FPS kwenye Replica na TUM. Kwenye graph ya Replica, GTS-SLAM ya 30 FPS inaonyesha balance thabiti yenye PSNR ya juu na LPIPS ya chini, wakati kwenye graph ya TUM tofauti kuu iko upande wa kasi.

Kielelezo 4 kinaonyesha views mbili za mazingira ya majaribio ya barabara ya chini ya ardhi iliyoigwa yenye takriban urefu wa 31,7 m, upana wa 3,6 m na kimo cha 3,7 m; mwanga wake uko chini ya 10 lux.

Kielelezo 5 kinaonyesha views tano za dense 3D reconstruction ya scene ya ndani iliyokusanywa na watafiti wenyewe: mbele, kulia, kushoto, nyuma na juu. Kielelezo 6 kinaonyesha korido ndefu, na Kielelezo 7 kinaonyesha views mbili tofauti za reconstructed 3D za barabara ya chini ya ardhi iliyoigwa. Picha zinaonyesha kwamba mfumo hauundi trajectory ya kamera pekee, bali pia uwakilishi mnene wa nyuso za mazingira.

Vielelezo 8–10 vinaonyesha mtawalia visualizations za trajectory za pande tatu kwa scene ya ndani, korido na barabara ya chini ya ardhi iliyoigwa. Watafiti wanasema trajectory ilibaki continuous katika scenario zote, lakini drift haikuondolewa kabisa katika korido ndefu na barabara ya chini ya ardhi.

Utafiti unaunga mkono nini?

• Kuunganisha GICP na 3DGS kwa ukaribu kunaweza kufanya kazi katika baadhi ya benchmark pamoja na trajectory error ndogo na ubora mkubwa wa ramani mnene.
• Regularization ya skeli ya Gaussian ni muhimu kwa uthabiti wa localization.
• Covariance ya GICP na scale alignment ya Re-init ziliboresha kwa nguvu ATE na ubora wa rendering katika majaribio ya Replica.
• Mapping keyframe zinaweza kutumia computation budget kwa ufanisi zaidi.
• Kutumia keyframe kutoka pembe tofauti za kutazama kunaweza kupunguza tatizo la local minimum la 3DGS.
• Compact 3DGS inaweza kupunguza matumizi ya kumbukumbu kwa zaidi ya %80 katika scene zilizojaribiwa.
• Tracking endelevu na dense mapping zilifanywa katika mazingira ya majaribio/yaliyoigwa yenye mwanga hafifu na jiometri inayojirudia.

Utafiti hauthibitishi nini?

• Hauthibitishi usalama wa uendeshaji wa muda mrefu wa gari linalojiendesha katika mgodi halisi wa makaa ya mawe unaozalisha chini ya ardhi.
• Hauhakikishi kazi endelevu katika hali ambapo sehemu kubwa ya vipimo vya depth vya RGB-D inapotea kutokana na vumbi.
• Hauonyeshi kwamba matokeo hayo hayo yanaweza kupatikana kwa kamera ya RGB pekee; mfumo mkuu unategemea ingizo la RGB-D.
• Hauonyeshi kwamba drift inaondolewa katika tunnel zisizo na mwisho zisizo na loop closure bila IMU, LiDAR au wheel odometry.
• Hauonyeshi kwamba kutumia robust kernel katika hali ya dynamic object coverage kubwa hutatua matatizo yote ya ghosting.
• Hauonyeshi kwamba GICP daima huconverge karibu na minimum sahihi wakati wa rotation kubwa na ya haraka sana.
• Hauonyeshi kwamba ndiyo mbinu bora zaidi kwenye TUM kwa metric zote za ubora wa rendering.
• Hauhakikishi matumizi ya mwisho ya nguvu na tabia ya joto ya mfumo uliocompressiwa kwenye hardware halisi ya kiwango cha magari yenye nguvu ndogo.

Mbinu na Matokeo ya Utafiti

Tatizo la optimization ya pamoja

Lengo kuu la GTS-SLAM ni kushughulikia trajectory ya kamera \(T\) na ramani ya Gaussian \(G\) si kama matatizo mawili huru, bali katika muundo wa pamoja wenye terms za geometric, rendering na regularization.

Ramani:

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

na kila Gaussian:

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

hufafanuliwa. Objective function inajumuisha pamoja geometric residual za GICP, consistency ya picha/rendering ya 3DGS na terms za regularization ya ramani.

Loss function ya 3DGS

Muundo mkuu wa loss upande wa mapping umetolewa kama:

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

Color loss hulenga pixel reconstruction, SSIM hulenga structural consistency, depth loss hulenga geometric depth, na regularization hulenga kuzuia shape ya Gaussian isiwe unstable.

Dataset za umma zilizotumika

Usahihi wa trajectory kwenye Replica

Kwa wastani wa ATE katika scene nane za Replica, GTS-SLAM ilitoa thamani ndogo zaidi kati ya mbinu zilizolinganishwa katika chanzo. Thamani za scene binafsi ziko katika 0,13–0,23 cm.

Usahihi wa trajectory kwenye TUM

Matokeo ya TUM hayaonyeshi superiority ya moja kwa moja kama Replica. ORB-SLAM3 na Photo-SLAM zina wastani wa ATE wa 1,3 cm katika jedwali la chanzo, ambao ni chini ya 2,5 cm ya GTS-SLAM. Faida kuu ya GTS-SLAM hapa ni kutoa dense mapping na FPS ya juu ndani ya mfumo mmoja.

Ubora wa ramani na kasi kwenye Replica

Kulingana na chanzo, kikomo cha 30 FPS huacha computation budget zaidi kwa dense mapping na kuongeza ubora wa rendering.

Ablation ya keyframe

Mazingira ya majaribio yaliyokusanywa na watafiti na yaliyoigwa

Mazingira ya ndani yenye dynamics yanajumuisha watu wanaosonga, kuzibwa kwa sehemu, nyuso za kioo/reflection na motion blur ya kamera.

Mazingira ya korido ya nje yana takriban urefu wa 36,8 m, upana wa 1,8 m na kimo cha 3,1 m. Ni scenario ngumu kwa longitudinal drift kwa sababu ya nyuso zinazojirudia na mabadiliko madogo ya viewing angle.

Barabara ya chini ya ardhi iliyoigwa ina takriban urefu wa 31,7 m, upana wa 3,6 m na kimo cha 3,7 m. Mwanga uko chini ya 10 lux. Mazingira haya si mgodi halisi unaozalisha, bali ni scene ya majaribio iliyoundwa kuwakilisha hali za chini ya ardhi zenye mwanga hafifu.

Mazingira yanapokuwa magumu zaidi, ATE na drift huongezeka. ATE ya 0,065 m ndani iliongezeka hadi 0,085 m kwenye korido na 0,112 m kwenye mazingira ya chini ya ardhi yaliyoigwa. Uwiano wa drift ulikuwa mtawalia %2,1, %3,4 na %4,6. Matokeo haya yanaonyesha kwamba mfumo hauna makosa sifuri; hitilafu ya localization huongezeka kadiri observability inavyopungua na matatizo ya mwanga/depth yanavyoongezeka.

Athari ya Compact 3DGS katika mazingira yaliyokusanywa na watafiti wenyewe

Kupungua kwa kumbukumbu bila kushusha kasi ya rendering, na badala yake kufikia 83–90 FPS katika majaribio haya matatu, ni matokeo muhimu ya kihandisi kwa lengo la matumizi ya rununu ya muda mrefu. Hata hivyo, matokeo haya peke yake hayathibitishi matumizi ya nguvu au uthabiti wa joto kwenye kompyuta fulani ya embedded ya gari.

Hali kuu za kushindwa

Upotevu wa depth katika eneo kubwa: Ikiwa GICP correspondences chache sana zinabaki kwa sababu ya vumbi au reflection, mfumo unaweza kuingia kwenye degeneracy.

Rotation kubwa ya haraka sana: Ikiwa overlap ya frame zinazofuatana inapungua sana, GICP inaweza kuconverge kwenye local minimum.

Dynamic occlusion kubwa: Ikiwa sehemu kubwa ya picha imefunikwa na watu au magari yanayosonga, robust kernel pekee inaweza isitoshe.

Tunnel ndefu sana isiyo na loop closure: Factor graph inaweza kupunguza local errors, lakini ikiwa hakuna global constraint mpya, drift inaweza kujikusanya kwa umbali.

Ramani kubwa sana ya muda mrefu: Compact 3DGS hupunguza ukuaji, lakini katika ramani kubwa sana zinazofanya kazi bila kikomo, map maintenance na loop closure load zinaweza kuwa tatizo tena.

Mapendekezo ya kazi za baadaye

Watafiti wanataja semantic segmentation au optical-flow consistency kwa kumodeli wazi dynamic objects; fusion ya IMU, odometry na LiDAR kwenye route ndefu zisizo na loop-closure; parameter quantization zaidi na map partitioning; pamoja na mechanism za long-term map versioning zinazoweza kusimamia mabadiliko ya muundo wa mgodi/tunnel kadiri muda unavyopita, kama maeneo ya utafiti wa baadaye.

Dokezo la Chanzo na Mbinu

Jina kamili asilia la utafiti: GTS-SLAM: A Tightly-Coupled GICP and 3D Gaussian Splatting Framework for Robust Dense SLAM in Underground Mines

Waandishi na mpangilio wao: Yi Liu; Changxin Li; Meng Jiang.

Mchango sawa/mwandishi wa kwanza sawa: Haijabainishwa katika chanzo.

Mwandishi anayewasiliana: Yi Liu.

Taasisi: School of Artificial Intelligence, China University of Mining and Technology (Beijing), Beijing 100083, China.

Jarida: Vehicles.

Mchapishaji: MDPI, Basel, Switzerland.

Taarifa ya uchapishaji: Vehicles 2026, 8, 79.

DOI: 10.3390/vehicles8040079.

Kiungo rasmi:https://doi.org/10.3390/vehicles8040079

Aina ya chanzo: Makala ya utafiti iliyopitiwa na wataalamu; inajumuisha ukuzaji wa mbinu ya dense SLAM, geometric optimization, mapping inayotegemea 3D Gaussian Splatting, benchmark za dataset za umma, ablation analysis na uthibitishaji katika mazingira yaliyokusanywa na watafiti wenyewe/yaliyoigwa.

Hali ya mapitio/uchapishaji: Chanzo kinaeleza kwamba makala ilipokelewa 27 Februari 2026, ikarekebishwa 25 Machi 2026, ikakubaliwa 31 Machi 2026 na kuchapishwa 3 Aprili 2026.

Leseni: Creative Commons Attribution (CC BY).

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

Upatikanaji wa data: Imeelezwa kwamba data zinaweza kupatikana kutoka kwa waandishi kwa ombi.

Mgongano wa maslahi: Waandishi wameripoti kutokuwa na mgongano wa maslahi.

Michango ya waandishi: Conceptualization Y.L.; methodology Y.L. na C.L.; formal analysis na data curation C.L.; draft ya kwanza C.L.; review na editing Y.L. na M.J.; supervision na project management Y.L. na M.J.; funding acquisition Y.L.

Mpaka wa maudhui ya kisayansi: Mbinu, fomula, dataset, vigezo, ulinganishaji, matokeo ya ablation, thamani za majaribio yaliyokusanywa na watafiti wenyewe na limitations katika makala hii ya Verianla zinategemea utafiti uliopitiwa pekee. Hakuna matokeo mapya ya SLAM, hitimisho la usalama wa mgodi au utendaji wa uwanjani ulioongezwa kutoka chanzo cha nje.

Mpaka wa eneo halisi la mgodi: Lengo la matumizi ya utafiti ni magari ya migodi ya chini ya ardhi; hata hivyo, uthibitishaji uliokusanywa na watafiti wenyewe uliowasilishwa si uendeshaji wa muda mrefu wa gari katika mgodi halisi wa makaa ya mawe unaozalisha. Majaribio yanajumuisha scene ya ndani yenye dynamics, korido ya nje na barabara ya chini ya ardhi iliyoigwa yenye mwanga hafifu.

Mpaka wa depth sensor: Upande wa mbele wa GICP wa GTS-SLAM unategemea sana jiometri ya depth ya RGB-D. Depth hole katika eneo kubwa au geometric overlap ndogo sana inaweza kupeleka mfumo kwenye degeneracy.

Mpaka wa real-time: Matokeo ya 97,51 FPS ya tracking bila kikomo na 29,99 FPS ya tracking iliyodhibitiwa kwenye Replica ni ya configuration husika ya majaribio. Utafiti hauwasilishi thamani hizi kama field test kamili kwenye platform ya embedded yenye nguvu ndogo ya mwisho ya kiwango cha gari.

Dokezo la uhariri la Jedwali 10: Maelezo ya jedwali yanaonyesha kwamba PSNR, SSIM, LPIPS na FPS zinalinganishwa kwenye TUM na Kielelezo 3 kinaonyesha metric hizo hizo, ilhali vichwa vya column vya jedwali ni fr1/Desk, fr2/xyz, Fr3/Office na Avg. Ukubwa wa thamani za row unaonekana kuendana na mpangilio wa PSNR/SSIM/LPIPS/FPS. Kutolingana huku kwa format/kichwa ndani ya chanzo hakujachukuliwa kama data iliyosahihishwa kimya kimya.

Dokezo la picha za chanzo: Kielelezo 1 kinaonyesha mtiririko wa tracking-mapping uliounganishwa kwa karibu wa mfumo; Vielelezo 2–3 ulinganishaji wa kasi/ubora katika dataset za umma; Kielelezo 4 mazingira ya majaribio ya chini ya ardhi yaliyoigwa; Vielelezo 5–7 dense 3D reconstructions; na Vielelezo 8–10 trajectory visualizations za mazingira matatu.