Ин таҳқиқот барои муҳитҳои зеризаминӣ, ки дар онҳо сигнали GPS мавҷуд нест, рӯшноӣ заиф аст, деворҳо ба ҳам монанданд ва омилҳои халалрасон, ба мисли чанг, одамон ё воситаҳои нақлиёти ҳаракаткунанда вуҷуд доранд, системаи GTS-SLAM-ро пешниҳод мекунад, то платформаи мобилӣ ҳамзамон мавқеи худро баҳогузорӣ намояд ва харитаи зичи сеандозаи муҳити атрофро созад. Система дар қисми пешӣ аз Generalized Iterative Closest Point (GICP) барои мувофиқсозии геометрии абри нуқтаҳо ва дар қисми пуштӣ аз 3D Gaussian Splatting (3DGS) барои ифодаи зичи саҳна истифода мебарад. Ба ин танзимкунии миқёси Gaussian, ҳамоҳангсозии миқёси унсурҳои нави Gauss, интихоби дусатҳаи кадрҳои калидӣ, оптимизатсияи графи факторӣ ва фишурдани хотираи Compact 3DGS илова мешаванд. Дар маҷмӯаи додаҳои Replica бо маҳдудияти 30 FPS хатои миёнаи мутлақи траектория 0,17 cm ва PSNR-и 38,70 dB гузориш шудааст; дар се муҳити худҷамъоваришуда/симулятсияшуда бошад ATE дар доираи 0,065–0,112 m ва таносуби drift-и траектория дар доираи %2,1–%4,6 мондааст.

Ғояи асосии тарроҳии таҳқиқот ин аст, ки баҳодиҳии мавқеъ танҳо ба рангҳои тасвир ё хатои фотометрӣ вобаста гузошта нашавад. GICP номуайянии геометрии маҳаллии абрҳои нуқтаҳои аз depth сохташударо бо ковариатсияҳо ифода карда, кӯшиш мекунад позаи камераро аз ҷиҳати геометрӣ устувор созад. 3DGS бошад ҳамон муҳитро бо шумораи зиёди примитивҳои сеченакаи Gauss, ки параметрҳои мавқеъ, шакл, ранг ва шаффофият доранд, ба таври зич ифода мекунад. Позаҳои ислоҳшудаи камера харитаи 3Б-и мутобиқтар месозанд, харитаи дақиқтар бошад мувофиқсозии минбаъдаи GICP-ро дастгирӣ мекунад; бо ин роҳ коҳиш додани гардиши бозхӯрди хато байни мавқеъ ва харита ҳадаф аст.

Яке аз қавитарин натиҷаҳои ablation нишон медиҳад, ки назорати миқёси 3D Gaussian танҳо масъалаи сифати визуалӣ нест. Дар маҷмӯаи додаҳои TUM бе танзимкунии миқёс ATE-и миёна 236,54 cm буд, бо танзимкунии ҳамворӣ 29,12 cm ва бо танзимкунии эллиптикӣ 2,53 cm гузориш шудааст. Дар озмоиши ҳамоҳангсозии миқёс дар Replica бе истифодаи GICP ATE 8,893 cm буд; бо GICP он ба 0,258 cm ва бо истифодаи якҷояи GICP ва 1,5z Re-init ба 0,152 cm коҳиш ёфт. Ин натиҷаҳо нишон медиҳанд, ки геометрияи Gaussian дар харитаи зич мустақиман ба мутобиқати омории баҳодиҳии мавқеъ дар қисми пешӣ таъсир мерасонад.

Аз нигоҳи Туркия: Усул барои навигатсияи автономии бе GPS дар галереяҳои конӣ, нақбҳои автомобилгард ва роҳи оҳан, таваққуфгоҳҳои зеризаминӣ, галереяҳои инфрасохторӣ ё муҳитҳои саноатии пӯшида дар Туркия аз ҷиҳати консептуалӣ муҳим аст. Аммо таҳқиқот дар геометрияи воқеии конҳои Туркия, зичии чанг, тарҳҳои равшанӣ, мошинҳои корӣ, камера/depth sensor-ҳо ё талаботи бехатарии меҳнат санҷида нашудааст. Илова бар ин, “роҳи зеризаминӣ”-и истифодашуда кони воқеии истеҳсолӣ нест, балки муҳити озмоишии симулятсияшудаи камрӯшноӣ мебошад. Барои истифода дар Туркия санҷиши мустақил бо сифати воқеии додаҳои саҳроии RGB-D, ларзиш, чанги зич, тумани об, инъикос, галереяҳои дароз, ифлосшавии sensor, масирҳои бе loop closure ва сахтафзори embedded-и синфи нақлиёт зарур аст.

Чаро SLAM дар зери замин нисбат ба муҳити одии дохилӣ душвортар аст?

SLAM, Simultaneous Localization and Mapping, яъне масъалаи ҳамзамони муайян кардани мавқеъ ва харитасозӣ мебошад. Вақте робот ё воситаи нақлиёти автономӣ дар муҳите ҳаракат мекунад, ки харитаи онро пешакӣ намедонад, ҳамзамон кӯшиш мекунад ба саволҳои “Ман ҳоло дар куҷоям?” ва “Муҳити атрофи ман чӣ гуна аст?” ҷавоб диҳад.

Галереяҳои зеризаминӣ барои ин масъала махсусан душворанд. Таҳқиқот се мушкили асосиро муайян мекунад. Якум, фаровонии сатҳҳои танг, дароз ва ба ҳам монанд аст. Деворҳои бетони пошидашуда ё сангӣ метавонанд нақшҳои яксонро такрор кунанд ва дар тӯли галереяи дароз кунҷи дид хеле кам тағйир ёбад. Ин ҳолат махсусан метавонад боис шавад, ки ҷобаҷогузорӣ дар самти долон ба қадри кофӣ мушоҳидашаванда набошад ва drift ҷамъ шавад.

Мушкили дуюм рӯшноии заиф, чанг ва тумани об аст. Рӯшноии кам садои тасвирро зиёд мекунад, дар ҳоле ки чанг ва инъикосҳо метавонанд дар sensor-и depth сӯрохиҳо ё нуқтаҳои нодуруст ба вуҷуд оранд. Мушкили сеюм бошад кормандони ҳаракаткунанда, техникаи корӣ ё дигар воситаҳои нақлиёт мебошанд. SLAM-и классикӣ одатан тахмин мекунад, ки қисми зиёди муҳит статикӣ аст; объектҳои ҳаракаткунанда метавонанд мувофиқсозии геометрии нодуруст ба вуҷуд оранд.

Аз ин рӯ барои системаи зеризаминӣ танҳо тавлиди траекторияи камера кофӣ нест. Муҳаққиқон таъкид мекунанд, ки воситаи нақлиёт бояд модели зичи муҳитро низ созад, ки барои канорагирӣ аз монеа, арзёбии имкони гузариш, ченкунӣ, бозрасӣ ва визуализатсия истифода шавад.

GTS-SLAM барои ҳалли кадом масъала тарҳрезӣ шудааст?

Дар бисёр системаҳои SLAM-и асосёфта ба 3DGS, tracking ва mapping нисбатан ҷудо мебошанд. Қисми пешӣ позаи камераро баҳогузорӣ мекунад; қисми пуштӣ аз ин позаҳо истифода бурда харитаи 3DGS-ро нав мекунад. Аммо позаи нодурусти камера метавонад харитаро вайрон кунад. Харитаи вайроншуда баъдан метавонад баҳодиҳии позаи нави камераро боз ҳам бадтар созад.

Ҳадафи GTS-SLAM кӯтоҳ кардани ҳамин гардиши мусбати хато аст. Барои ин геометрияи GICP ҳамчун маҳдудияти асосии ҷойгиршавӣ истифода мешавад; drift-и дарозмуддат тавассути графи факторӣ ислоҳ карда мешавад ва харитаи 3DGS дар асоси позаҳои ислоҳшудаи камера оптимизатсия мегардад. Харитаи навшудаи Gaussian баъдан боз ба раванди tracking баргардонида мешавад.

GICP чӣ кор мекунад?

ICP-и классикӣ байни ду абри нуқтаҳо нуқтаҳои мувофиқро ҷустуҷӯ карда, кӯшиш мекунад хатои геометрии байни онҳоро кам кунад. GICP бошад ба назар мегирад, ки геометрияи атрофи ҳар нуқта танҳо як нуқта нест, балки сохтори муайяни номуайянӣ дорад.

Барои нуқтаҳои \(a_i\) дар абри нуқтаҳои манбаъ ва \(b_i\) дар абри ҳадаф ковариатсияҳои маҳаллӣ \(C_i^A\) ва \(C_i^B\) истифода мешаванд. Табдил тақрибан бо ҳадафи вазншудаи Mahalanobis-и зерин ба даст оварда мешавад:

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

Маънои физикии ин муҳим аст. Ҳаракати нуқтаи рӯи девори ҳамвор дар самти нормали девор хатои геометрии қавӣ ба вуҷуд меорад, дар ҳоле ки тағйироти хурд дар дохили ҳамвории девор метавонад номуайянтар бошад. Сохтори ковариатсия ба GICP кумак мекунад, ки муайян кунад ба хатои кадом самт бештар эътимод кардан лозим аст.

Қиматҳои хоси ҳамсоягии маҳаллӣ дар шакли \(\lambda_1\geq\lambda_2\geq\lambda_3\) таҳлил мешаванд. Агар \(\lambda_3\) аз дигарон хеле хурд бошад, минтақа метавонад тақрибан ҳамчун ҳамворӣ арзёбӣ шавад; дар канорҳо ва кунҷҳо бошад сохторҳои гуногуни анизотропӣ ба вуҷуд меоянд.

Чаро одами ҳаракаткунанда ё нуқтаи нодурусти depth набояд фавран системаро вайрон кунад?

Муҳаққиқон пахшкунии outlier-и думарҳиларо истифода мебаранд. Дар марҳилаи аввал нуқтаҳое, ки берун аз масофаи максималии мувофиқсозӣ мебошанд, хориҷ мешаванд; дар манбаъ фосилаи намунавии муҳандисӣ 5–10 cm нишон дода шудааст. Санҷиши мувофиқати normal низ метавонад барои кам кардани мувофиқсозии нодурусти сатҳҳои гуногун истифода шавад.

Дар марҳилаи дуюм kernel-ҳои robust loss, ба мисли Huber ё Cauchy, вазни бақияҳои калонро дар оптимизатсия кам мекунанд. Бо ин роҳ кӯшиш мешавад, ки чанд мувофиқати нодуруст аз ҷониби шахси ҳаракаткунанда тамоми позаи камераро ба самти нодуруст накашад.

Дар ҳар итератсияи GICP барои афзоиши поза \(\delta\xi\) ҳалли Levenberg–Marquardt истифода шуда метавонад:

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

Дар ин ҷо \(W\) ҳам вазнҳои Mahalanobis-и асосёфта ба ковариатсия ва ҳам вазнҳои robust-kernel-ро дар бар мегирад.

Дар нақби дароз мушоҳиданашавии кадом ҳаракатҳо мушкил аст?

Ҳангоми ҳаракат дар тӯли галереяи дароз бо буриши қариб якхела, тасвири камера метавонад ба мавқеи қаблӣ хеле монанд бошад. Дар ин ҳолат махсусан ҷобаҷогузорӣ дар самти галерея ва баъзе компонентҳои yaw метавонанд маълумоти геометрии ба қадри кофӣ қавӣ тавлид накунанд.

GTS-SLAM пешниҳод мекунад, ки бо таҳлили қиматҳои хос ё condition number-и матритсаи иттилоотӣ \(H=J^TWJ\) чунин degeneracy муайян карда шавад. Агар қимати хоси хурдтарин ба сифр наздик шавад, мумкин аст баъзе самтҳои ҳаракат ба қадри кофӣ мушоҳидашаванда набошанд.

Аз чораҳои муқобили пешниҳодшуда сохтани зуд-зуди кадрҳои калидӣ, зиёд кардани маҳдудиятҳои геометрӣ дар графи факторӣ ва истифодаи prior-ҳои заифи кӯтоҳмуддати ҳаракат мебошанд. Муҳаққиқон инчунин фузияи IMU, odometry ё LiDAR-ро дар системаҳои воқеии муҳандисӣ ҳамчун ҳалли муҳим барои оянда нишон медиҳанд.

3D Gaussian Splatting харитаи зичро чӣ гуна ифода мекунад?

Харитаи 3DGS ба ҷойи нуқтаҳои абри классикии нуқтаҳо, ки танҳо мавқеъ доранд, аз бисёр примитивҳои Gaussian бо хусусиятҳои ҳаҷмӣ ва визуалӣ иборат аст. Ҳар унсури Gauss-и \(g_k\):

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

муайян карда мешавад. Дар ин ҷо \(\mu_k\) маркази сеченака, \(\Sigma_k\) ковариатсия/шакл, \(c_k\) параметрҳои ранг ва \(\alpha_k\) opacity мебошад.

Ковариатсия:

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

метавонад ба ин шакл ҷудо карда шавад. Аз ин рӯ Gaussian ҳатман сферикӣ нест; он метавонад эллипсоиди ҳамворе бошад, ки ба сатҳи девор параллел аст, ё сохторе бошад, ки дар геометрияҳои мураккаб ба самтҳои гуногун кашида шудааст.

Ҳангоми сохтани тасвири камера унсурҳои 3Б Gauss ба сатҳи тасвир ҳамчун ядроҳои эллиптикии Gaussian проексия мешаванд. Бо тартибдиҳӣ аз рӯи depth ва таркиби alpha тасвири тахминӣ ҳосил мешавад. Ин representation-и ошкор нисбат ба sampling-и зичи ray дар усулҳои навъи NeRF rasterization-и зуд ва pruning/фишурдани мустақимро фароҳам меорад.

Чаро система ба се thread бо суръатҳои гуногун ҷудо шудааст?

Воситаи нақлиёт бояд мавқеи худро дар даҳҳо миллисония бидонад; аммо лозим нест, ки харитаи зичи 3Б дар ҳар кадр пурра аз нав оптимизатсия карда шавад. Аз ин рӯ GTS-SLAM аз се миқёси вақт истифода мекунад.

Чаро миқёси Gaussian метавонад хатои ҷойгиршавиро садҳо сантиметр тағйир диҳад?

Дар 3DGS андоза ва шакли ҳар унсури Gauss омӯхта мешавад. Бе назорат ду навъи асосии вайроншавӣ рух дода метавонад. Gaussian метавонад аз ҳад калон шуда, ҳамзамон якчанд сатҳи физикиро пӯшонад ё яке аз меҳварҳояш қариб ба сифр расида, дар меҳвари дигар аз ҳад зиёд дароз шавад.

Ин танҳо тасвирро хира намекунад. Азбаски GICP барои баҳодиҳии мавқеъ аз ҳамин геометрияи Gaussian истифода мебарад, харитаи нодурустшакл метавонад мувофиқсозии геометрии нодуруст ба вуҷуд орад.

Дар таҳқиқот се ҳолат муқоиса шудааст: бе танзимкунӣ, танзимкунии ҳамворӣ ва танзимкунии умумитари эллиптикӣ. Натиҷаҳо хеле равшананд.

Gaussian-ҳои нав чӣ гуна бо харитаи мавҷуда ба як миқёс оварда мешаванд?

Ҳангоми пеш рафтани воситаи нақлиёт сатҳҳое, ки қаблан дида нашудаанд, ба харита илова мешаванд. Агар миқёси ибтидоии Gaussian-ҳои нав аз харитаи мавҷуда хеле фарқ кунад, оптимизатсия метавонад ба сохтори геометрии нодуруст converge кунад.

Аз ин рӯ GTS-SLAM маълумоти ковариатсияи маҳаллии GICP-ро барои initialization-и шакл ва самти Gaussian истифода мебарад. Ғайр аз ин, механизми Re-init миқёси ибтидоии Gaussian-и навро аз рӯи омори depth/геометрия аз нав муайян мекунад.

Дар натиҷаҳои миёнаи ҳашт саҳнаи Replica бе GICP ва Re-init ATE 8,893 cm ва PSNR 24,81 dB буд. Бо иловаи танҳо GICP ATE ба 0,258 cm поён меравад. Дар танзими GICP + Re-init 1,5z ATE 0,152 cm, PSNR 38,79 dB, SSIM 0,973 ва LPIPS 0,039 гузориш шудааст.

Чаро ҳар кадри камера дар mapping истифода намешавад?

Тасвирҳои бештар ҳамеша маънои харитаи беҳтарро надоранд. Шумораи зиёди кадрҳои калидӣ ҳам бори ҳисоббарориро зиёд мекунад ва ҳам метавонад боиси он шавад, ки тасвирҳои хеле монанд як минтақаи хурдро аз ҳад зиёд оптимизатсия кунанд.

Таҳқиқот кадрҳои калидии tracking-ро аз кадрҳои калидии mapping ҷудо мекунад. Дар Replica бо tracking-и 30 FPS ва бе кадрҳои калидии иловагии mapping ATE 0,174 cm аст. Вақте tracking ба 10 FPS кам карда мешавад, он боз 0,174 cm мемонад, аммо бо иловаи кадрҳои калидии алоҳидаи mapping ATE ба 0,160 cm поён меравад.

Муҳаққиқон гузориш медиҳанд, ки интихоби як кадри калидии mapping дар ҳар 10 кадр дар таҷрибаи ablation мувофиқ буд. Кадрҳои калидии tracking метавонанд, масалан, бо шартҳои 0,15–0,30 m ҷобаҷогузорӣ, 8–15° гардиш ё коҳиши сифати мувофиқсозӣ фаъол шаванд; ин фосилаҳо дар бахши усул ҳамчун намунаҳои параметрҳои муҳандисӣ дода шудаанд.

Чаро истифодаи танҳо кадрҳои наздик метавонад бад бошад?

Оптимизатсияи 3DGS масъалаи ғайрихаттӣ ва ба минимумҳои маҳаллӣ ҳассос аст. Истифодаи танҳо тасвирҳои наздиктарин ба мавқеи ҷорӣ як сатҳро такрор ба такрор аз кунҷҳои монанд меомӯзонад. Ин метавонад вайроншавиҳои маҳаллӣ, ба мисли варамидани деворҳо, каҷшавӣ ё хира шудани texture-ҳоро ба вуҷуд орад.

Дар ablation-и Replica интихоби танҳо кадрҳои наздик PSNR 26,627 dB, SSIM 0,873 ва LPIPS 0,200 дод; кадрҳои калидии тасодуфии гуногун бошад ба PSNR 38,815 dB, SSIM 0,976 ва LPIPS 0,041 расиданд. Муҳаққиқон инро ба маҳдудиятҳои васеътари бисёрнамоӣ нисбат медиҳанд.

Илова кардани Gaussian муҳимтар аст ё нест кардани Gaussian-и нолозим?

Натиҷаҳои Ҷадвали 5 нишон медиҳанд, ки дар ин конфигуратсияи система densification-и аз ҳад зиёд фоидаи маҳдуд медиҳад, дар ҳоле ки pruning барои кам кардани боқимондаҳои нолозим ё хатои Gaussian муҳим аст.

Муҳаққиқон махсусан дар геометрияҳои нисбатан содда ва камtexture, ба мисли муҳити зеризаминӣ, тавсия медиҳанд, ки ба ҷойи пайваста илова кардани Gaussian-ҳои нав аввал стратегияи устувори pruning сохта шавад.

Графи факторӣ drift-и масофаи дурро чӣ гуна кам мекунад?

Ҳар кадри калидӣ ҳамчун гиреҳи поза гирифта мешавад. Позаи нисбӣ байни кадрҳои калидии пайдарпай аз GICP меояд. Агар бозгашт ба ҳамон ҷой муайян шавад, пайвасти loop closure низ ба граф илова карда мешавад.

Оптимизатсия асосан кӯшиш мекунад номувофиқати позаи нисбиро дар сохтори зерин кам кунад:

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

Позаҳои навшудаи кадрҳои калидӣ ба раванди mapping-и 3DGS бознависӣ мешаванд. Бо ин роҳ кӯшиш мешавад, ки хатоҳои маҳаллии GICP дар долони дароз мустақиман ба каҷшавии доимии харита табдил наёбанд.

Чаро Compact 3DGS лозим аст?

Шумораи примитивҳо дар харитаи зичи Gaussian метавонад бо ҳаракати воситаи нақлиёт пайваста зиёд шавад. Ин истифодаи хотира, арзиши rendering ва устувории кори дарозмуддатро маҳдуд мекунад.

Compact 3DGS дар се сатҳ коҳиш медиҳад: кам кардани шумораи Gaussian-ҳои нолозим; нигоҳдории фишурдатари параметрҳо ба мисли ранг, миқёс ва opacity; фаъол кардани танҳо Gaussian-ҳои намоён ва таъсирбахш дар ҳар кадр.

Дар маҷмӯаҳои додаҳои умумӣ низ коҳишҳои калон дида мешаванд. Масалан, нигоҳдории саҳнаи Replica Of0 аз 1027 MB ба 192,6 MB ва TUM fr2-xyz аз 210 MB ба 39,4 MB коҳиш дода шудааст.

Дар саҳнаҳои худҷамъоваришуда бошад харитаи дохилии 332 MB ба 56 MB, харитаи долонии 259 MB ба 29 MB ва харитаи зеризаминии симулятсияшудаи 198 MB ба 27 MB коҳиш ёфтааст.

Байни вақти воқеӣ ва сифати харита чӣ гуна тавозун вуҷуд дорад?

Дар санҷиши Replica, вақте суръати tracking-и GTS-SLAM маҳдуд набуд, ба ҳисоби миёна 97,51 FPS, PSNR 35,68 dB, SSIM 0,958 ва LPIPS 0,068 ба даст омад. Вақте tracking ба 30 FPS маҳдуд шуд, суръати миёна 29,99 FPS буд, дар ҳоле ки нишондиҳандаҳои сифати харита ба PSNR 38,70 dB, SSIM 0,971 ва LPIPS 0,042 беҳтар шуданд.

Ин натиҷа як созиши ҷолиби муҳандисиро нишон медиҳад: сарф накардани тамоми буҷети ҳисоббарорӣ барои максималӣ кардани суръати tracking метавонад барои оптимизатсияи 3DGS дар қисми пуштӣ вақти бештар гузорад ва сифати харитаи зичро баланд кунад.

Дар TUM бошад манбаъ ошкоро эътироф мекунад, ки GTS-SLAM бартарии суръатро нигоҳ медорад, аммо аз рӯи PSNR/SSIM/LPIPS баъзе усулҳои муқоисавӣ метавонанд беҳтар бошанд. Аз ин рӯ хулосаи “ҳам зудтарин ва ҳам дар ҳар метрика босифаттарин” баровардан мумкин нест.

Тасвирҳои манбаъ чиро нишон медиҳанд?

Расми 1 муҳимтарин диаграммаи системаи GTS-SLAM аст: ҷараён аз кадри RGB-D ба абри нуқтаҳо, баҳодиҳии позаи GICP, қарори кадри калидӣ ва оптимизатсияи харитаи 3DGS; инчунин баргаштани харитаи навшудаи Gaussian ба баҳодиҳии позаро нишон медиҳад.

Расмҳои 2 ва 3 мутаносибан муқоисаи сифати харита ва FPS-ро дар Replica ва TUM нишон медиҳанд. Дар графики Replica GTS-SLAM-и 30 FPS бо PSNR-и баланд ва LPIPS-и паст тавозуни қавӣ нишон медиҳад, дар графики TUM бошад фарқи асосӣ дар суръат аст.

Расми 4 ду намуди муҳити таҷрибавии роҳи зеризаминии симулятсияшударо нишон медиҳад, ки тақрибан 31,7 m дарозӣ, 3,6 m паҳноӣ ва 3,7 m баландӣ дошта, равшанӣ аз 10 lux камтар аст.

Расми 5 панҷ намуди реконструксияи зичи 3Б-и саҳнаи дохилии худҷамъоваришударо — аз пеш, рост, чап, қафо ва боло — нишон медиҳад. Расми 6 долони дарозро ва Расми 7 ду намуди гуногуни реконструксияи 3Б-и роҳи зеризаминии симулятсияшударо пешниҳод мекунад. Тасвирҳо нишон медиҳанд, ки система на танҳо траекторияи камера, балки representation-и зичи сатҳии муҳитро низ месозад.

Расмҳои 8–10 мутаносибан визуализатсияҳои сеченакаи траекторияро барои саҳнаҳои дохилӣ, долон ва роҳи зеризаминии симулятсияшуда пешниҳод мекунанд. Муҳаққиқон мегӯянд, ки дар ҳамаи сенарияҳо траектория пайваста боқӣ монд, аммо drift дар долони дароз ва роҳи зеризаминӣ пурра бартараф нашуд.

Таҳқиқот чиро дастгирӣ мекунад?

• Пайвасти зичи GICP ва 3DGS метавонад дар баъзе benchmark-ҳо ҳамзамон бо хатои пасти траектория ва сифати баланди харитаи зич кор кунад.
• Танзимкунии миқёси Gaussian барои устувории ҷойгиршавӣ муҳим аст.
• Ковариатсияи GICP ва ҳамоҳангсозии миқёси Re-init дар таҷрибаҳои Replica ҳам ATE ва ҳам сифати rendering-ро ба таври назаррас беҳтар кардаанд.
• Кадрҳои калидии mapping метавонанд буҷети ҳисоббарориро самараноктар истифода баранд.
• Истифодаи кадрҳои калидӣ аз кунҷҳои гуногуни дид метавонад масъалаи minimum-и маҳаллии 3DGS-ро кам кунад.
• Compact 3DGS дар саҳнаҳои санҷидашуда истифодаи хотираро беш аз %80 кам карда метавонад.
• Дар муҳити симулятсияшуда/таҷрибавии камрӯшноӣ ва геометрияи такроршаванда tracking-и пайваста ва mapping-и зич иҷро шудааст.

Таҳқиқот чиро исбот намекунад?

• Бехатарии кори дарозмуддати воситаи нақлиёти автономиро дар кони воқеии зеризаминии ангишти истеҳсолӣ исбот намекунад.
• Кори пайвастаро дар шароите, ки аз сабаби чанг қисми зиёди ченкунии depth-и RGB-D гум мешавад, кафолат намедиҳад.
• Нишон намедиҳад, ки танҳо бо камераи RGB ҳамин натиҷаҳо ба даст меоянд; системаи асосӣ ба вуруди RGB-D такя мекунад.
• Нишон намедиҳад, ки бе IMU, LiDAR ё wheel odometry drift дар нақбҳои беохири бе loop-closure бартараф мешавад.
• Нишон намедиҳад, ки дар ҳолати пӯшиши зиёди объектҳои динамикӣ истифодаи robust kernel ҳамаи мушкилоти ghosting-ро ҳал мекунад.
• Нишон намедиҳад, ки ҳангоми гардишҳои хеле зуд ва калон GICP ҳамеша ба minimum-и дуруст converge мекунад.
• Нишон намедиҳад, ки дар TUM аз рӯи ҳамаи метрикаҳои сифати rendering беҳтарин усул аст.
• Сарфи ниҳоии неру ва рафтори гармии системаи фишурдашударо дар сахтафзори воқеии камқуввати синфи автомобилӣ тасдиқ намекунад.

Усул ва натиҷаҳои таҳқиқот

Масъалаи оптимизатсияи муштарак

Ҳадафи асосии GTS-SLAM ин аст, ки траекторияи камера \(T\) ва харитаи Gaussian \(G\) на ҳамчун ду масъалаи мустақил, балки дар сохтори муштараке баррасӣ шаванд, ки терминҳои геометрӣ, rendering ва regularization-ро дар бар мегирад.

Харита:

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

ва ҳар Gaussian:

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

муайян карда мешаванд. Функсияи ҳадаф бақияҳои геометрии GICP, мувофиқати тасвир/rendering-и 3DGS ва терминҳои танзимкунии харитаро якҷоя дар бар мегирад.

Функсияи loss-и 3DGS

Сохтори асосии loss дар тарафи mapping:

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

дода шудааст. Loss-и ранг реконструксияи пикселро, SSIM мувофиқати сохториро, loss-и depth умқи геометриро ва regularization устувор мондани шакли Gaussian-ро ҳадаф мегирад.

Маҷмӯаҳои додаҳои умумии истифодашуда

Дақиқии траектория дар Replica

Аз рӯи ATE-и миёна дар ҳашт саҳнаи Replica, GTS-SLAM дар байни усулҳои муқоисашуда дар манбаъ пасттарин қиматро таъмин кардааст. Қиматҳои саҳнаҳои алоҳида дар доираи 0,13–0,23 cm мебошанд.

Дақиқии траектория дар TUM

Натиҷаҳои TUM бартарии мутлақро ба андозаи Replica нишон намедиҳанд. ORB-SLAM3 ва Photo-SLAM дар ҷадвали манбаъ бо ATE-и миёнаи 1,3 cm аз қимати 2,5 cm-и GTS-SLAM пасттаранд. Бартарии асосии GTS-SLAM дар ин ҷо таъмин кардани mapping-и зич ва FPS-и баланд дар як система мебошад.

Сифат ва суръати харита дар Replica

Ба гуфтаи манбаъ, маҳдудияти 30 FPS барои mapping-и зич буҷети бештари ҳисоббарорӣ боқӣ гузошта, сифати rendering-ро баланд мекунад.

Ablation-и кадри калидӣ

Муҳитҳои озмоишии худҷамъоваришуда ва симулятсияшуда

Муҳити динамикии дохилӣ одамони ҳаракаткунанда, қисман пӯшидашавӣ, сатҳҳои шиша/инъикоскунанда ва motion blur-и камераро дар бар мегирад.

Муҳити долони беруна тақрибан 36,8 m дарозӣ, 1,8 m паҳноӣ ва 3,1 m баландӣ дорад. Аз сабаби сатҳҳои такроршаванда ва тағйири маҳдуди кунҷи дид, ин сенарияи душвор барои drift-и тӯлонӣ мебошад.

Роҳи зеризаминии симулятсияшуда тақрибан 31,7 m дарозӣ, 3,6 m паҳноӣ ва 3,7 m баландӣ дорад. Рӯшноӣ аз 10 lux камтар аст. Ин муҳит кони воқеии истеҳсолӣ нест, балки саҳнаи таҷрибавиест, ки барои ифодаи шароити зеризаминии камрӯшноӣ сохта шудааст.

Бо душвортар шудани муҳит ATE ва drift зиёд мешаванд. ATE, ки дар дохили бино 0,065 m буд, дар долон ба 0,085 m ва дар муҳити зеризаминии симулятсияшуда ба 0,112 m расид. Таносуби drift низ мутаносибан %2,1, %3,4 ва %4,6 буд. Ин натиҷаҳо нишон медиҳанд, ки система бе хато нест; бо кам шудани мушоҳидашавандагӣ ва зиёд шудани мушкилоти рӯшноӣ/depth хатои ҷойгиршавӣ меафзояд.

Таъсири Compact 3DGS дар муҳитҳои худҷамъоваришуда

Коҳиш ёфтани хотира бе паст шудани суръати rendering ва ҳатто расидани он ба 83–90 FPS дар ин се таҷриба натиҷаи муҳими муҳандисӣ барои ҳадафи истифодаи дарозмуддати мобилӣ мебошад. Аммо ин натиҷа худ аз худ сарфи неру ё устувории гармии як компютери embedded-и муайяни нақлиётиро исбот намекунад.

Ҳолатҳои асосии нокомӣ

Талафоти depth дар майдони васеъ: Агар аз сабаби чанг ё инъикос мувофиқатҳои GICP хеле кам бимонанд, система метавонад ба degeneracy ворид шавад.

Гардиши хеле зуд ва калон: Агар overlap-и кадрҳои пайдарпай ҷиддан кам шавад, GICP метавонад ба minimum-и маҳаллӣ converge кунад.

Пӯшиши зичи динамикӣ: Агар қисми зиёди тасвирро одамон ё воситаҳои нақлиёти ҳаракаткунанда пӯшонанд, танҳо robust kernel метавонад кофӣ набошад.

Нақби хеле дароз бе loop closure: Гарчанде графи факторӣ хатоҳои маҳаллиро кам карда метавонад, агар маҳдудияти нави глобалӣ пайдо нашавад, drift метавонад бо масофа ҷамъ шавад.

Харитаи хеле калон ва дарозмуддат: Compact 3DGS афзоишро кам мекунад, аммо дар харитаҳои хеле калоне, ки бе маҳдудияти вақт кор мекунанд, нигоҳдории харита ва бори loop closure боз метавонад мушкил шавад.

Пешниҳодҳо барои корҳои оянда

Муҳаққиқон semantic segmentation ё мувофиқати optical flow барои моделсозии ошкори объектҳои динамикӣ; фузияи IMU, odometry ва LiDAR барои масирҳои дарози бе loop-closure; quantization-и бештари параметрҳо ва сегментатсияи харита; инчунин механизмҳои версиябандии дарозмуддати харитаро, ки тағйироти сохтори кон/нақбро бо гузашти вақт идора карда метавонанд, ҳамчун самтҳои таҳқиқоти оянда нишон медиҳанд.

Эзоҳи манбаъ ва усул

Номи пурраи аслии таҳқиқот: GTS-SLAM: A Tightly-Coupled GICP and 3D Gaussian Splatting Framework for Robust Dense SLAM in Underground Mines

Муаллифон ва тартиби онҳо: Yi Liu; Changxin Li; Meng Jiang.

Ҳиссаи баробар/муаллифи аввали баробар: Дар манбаъ зикр нашудааст.

Муаллифи масъул: Yi Liu.

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

Маҷалла: Vehicles.

Ношир: MDPI, Basel, Switzerland.

Маълумоти нашр: Vehicles 2026, 8, 79.

DOI: 10.3390/vehicles8040079.

Пайванди расмӣ:https://doi.org/10.3390/vehicles8040079

Навъи манбаъ: Мақолаи таҳқиқотии тақризшуда; рушди усули dense SLAM, оптимизатсияи геометрӣ, mapping дар асоси 3D Gaussian Splatting, benchmark-ҳои маҷмӯаҳои додаҳои умумӣ, таҳлили ablation ва санҷишҳо дар муҳитҳои худҷамъоваришуда/симулятсияшударо дар бар мегирад.

Ҳолати тақриз/нашр: Дар манбаъ зикр шудааст, ки мақола 27 феврали 2026 қабул барои баррасӣ шудааст, 25 марти 2026 бознигарӣ гардидааст, 31 марти 2026 қабул ва 3 апрели 2026 нашр шудааст.

Литсензия: Creative Commons Attribution (CC BY).

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

Дастрасии додаҳо: Зикр шудааст, ки додаҳоро бо дархост аз муаллифон гирифтан мумкин аст.

Бархӯрди манфиатҳо: Муаллифон изҳор кардаанд, ки бархӯрди манфиатҳо надоранд.

Ҳиссаҳои муаллифон: Консептуализатсия Y.L.; методология Y.L. ва C.L.; таҳлили формалӣ ва data curation C.L.; draft-и аввал C.L.; баррасӣ ва таҳрир Y.L. ва M.J.; supervision ва project management Y.L. ва M.J.; acquisition-и маблағгузорӣ Y.L. нишон дода шудааст.

Ҳудуди мазмуни илмӣ: Усул, формулаҳо, маҷмӯаҳои додаҳо, параметрҳо, муқоисаҳо, натиҷаҳои ablation, қиматҳои таҷрибаҳои худҷамъоваришуда ва маҳдудиятҳои ин мақолаи Verianla танҳо ба таҳқиқоти баррасишуда асос ёфтаанд. Аз манбаъҳои беруна натиҷаи нави SLAM, хулосаи бехатарии кон ё нишондиҳандаи саҳроӣ илова нашудааст.

Маҳдудияти майдони воқеии кон: Ҳадафи татбиқи таҳқиқот воситаҳои нақлиёти конҳои зеризаминӣ аст; аммо санҷиши худҷамъоваришудаи пешниҳодшуда амалиёти дарозмуддати воситаи нақлиёт дар кони воқеии истеҳсолии ангишт нест. Озмоишҳо аз саҳнаи динамикии дохилӣ, долони беруна ва роҳи зеризаминиии симулятсияшудаи камрӯшноӣ иборатанд.

Маҳдудияти sensor-и depth: Қисми пешии GICP-и GTS-SLAM ба геометрияи depth-и RGB-D сахт такя мекунад. Ба вуҷуд омадани depth hole дар майдони васеъ ё overlap-и геометрии хеле паст метавонад системаро ба degeneracy барад.

Маҳдудияти вақти воқеӣ: Натиҷаҳои 97,51 FPS tracking-и бемаҳдуд ва 29,99 FPS tracking-и назоратшуда дар Replica ба конфигуратсияи дахлдори таҷриба тааллуқ доранд. Таҳқиқот ин қиматҳоро ҳамчун санҷиши васеи саҳроӣ дар платформаи embedded-и камқуввати синфи ниҳоии нақлиёт пешниҳод намекунад.

Эзоҳи таҳририи Ҷадвали 10: Шарҳи ҷадвал нишон медиҳад, ки дар TUM муқоисаи PSNR, SSIM, LPIPS ва FPS анҷом шудааст ва Расми 3 ҳамин нишондиҳандаҳоро визуализатсия мекунад, дар ҳоле ки сарлавҳаҳои сутунҳо fr1/Desk, fr2/xyz, Fr3/Office ва Avg. мебошанд. Бузургии қиматҳои сатрҳо бошад бо тартиби PSNR/SSIM/LPIPS/FPS мувофиқ менамояд. Ин номувофиқати дохилии формату сарлавҳаи манбаъ ҳамчун додаи хомӯшона ислоҳшуда баррасӣ нашудааст.

Эзоҳи тасвирҳои манбаъ: Расми 1 ҷараёни зич пайвастшудаи tracking-mapping-и системаро; Расмҳои 2–3 муқоисаҳои суръат/сифатро дар маҷмӯаҳои додаҳои умумӣ; Расми 4 муҳити озмоишии зеризаминии симулятсияшударо; Расмҳои 5–7 реконструксияҳои зичи 3Б ва Расмҳои 8–10 визуализатсияҳои траекторияи се муҳитро нишон медиҳанд.