Robust and Efficient Monocular 3D Gaussian SLAM for Kilometer-Scale Outdoor Scenes
作者: Sicheng Yu, Dongxu Shen, Beizhen Zhao, Guanzhi Ding, Hao Wang
分类: cs.CV
发布日期: 2026-06-29
💡 一句话要点
提出KiloGS-SLAM以解决长距离户外场景的跟踪与内存问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 单目SLAM 高斯点云 长距离跟踪 内存管理 户外场景 运动自适应 混合跟踪 生命周期管理
📋 核心要点
- 现有单目SLAM方法在千米级户外场景中面临长期姿态跟踪不稳定和内存消耗过大的挑战。
- KiloGS-SLAM通过运动自适应混合跟踪模块和生命周期管理的高斯映射策略，解决了跟踪和内存的双重瓶颈。
- 在三个复杂的户外数据集上进行的实验表明，该方法在跟踪精度和渲染质量上均达到了最先进水平。
📝 摘要（中文）
在千米级户外环境中扩展单目3D高斯点云SLAM面临两个紧密相关的挑战：脆弱的长期姿态跟踪和大规模映射时过高的内存开销。本文提出KiloGS-SLAM，一个高效且稳健的单目3DGS-SLAM系统，联合解决这两个瓶颈。我们首先引入了一种运动自适应的混合跟踪模块，具有条件触发的三层求解管道，动态切换于本质矩阵和PnP模型以处理几何退化。此外，设计了一种生命周期管理的高斯映射策略，通过概率初始化与基于块的多视图稠密化和修剪，有效减少原始冗余，同时保留高频细节。实验表明，该方法在单个GPU上成功扩展至超过10,000帧的序列，达到了最先进的跟踪精度和渲染质量。
🔬 方法详解
问题定义：本文旨在解决在千米级户外环境中，单目3D高斯点云SLAM系统在长期姿态跟踪和内存管理方面的不足，现有方法在处理长序列时容易出现漂移和内存耗尽的问题。
核心思路：提出KiloGS-SLAM系统，通过引入运动自适应的混合跟踪模块和生命周期管理的高斯映射策略，动态调整跟踪算法以应对几何退化，同时优化内存使用。
技术框架：系统主要包括两个模块：运动自适应混合跟踪模块和生命周期管理的高斯映射模块。前者通过条件触发的三层求解管道实现姿态跟踪，后者通过概率初始化和多视图稠密化来管理内存。
关键创新：最重要的创新在于结合了动态切换的跟踪模型和生命周期管理的映射策略，使得系统在长序列跟踪中保持高精度和低内存消耗，这在现有方法中尚属首次。
关键设计：在跟踪模块中，采用了本质矩阵和PnP模型的动态切换机制，确保在几何退化情况下的稳健性；映射模块则通过块状处理和修剪策略有效减少冗余，保留重要细节。
🖼️ 关键图片
📊 实验亮点
在三个复杂的户外数据集上进行的实验表明，KiloGS-SLAM在跟踪精度和渲染质量上均达到了最先进水平，成功扩展至超过10,000帧的序列，且在单个GPU上运行，显示出显著的性能提升。
🎯 应用场景
KiloGS-SLAM的研究成果在无人驾驶、机器人导航和增强现实等领域具有广泛的应用潜力。其高效的跟踪和映射能力能够支持复杂环境下的实时定位与建图，为智能系统提供更为可靠的环境感知能力，推动相关技术的发展与应用。未来，该技术可能在大规模户外场景的自动化探索中发挥重要作用。
📄 摘要（原文）
Scaling monocular 3D Gaussian Splatting (3DGS) SLAM to kilometer-level outdoor environments poses two tightly coupled challenges: fragile long-term pose tracking and excessive memory overhead during large-scale mapping. In this paper, we propose KiloGS-SLAM, a highly efficient and robust monocular 3DGS-SLAM system that jointly addresses both bottlenecks. Since high-fidelity scene reconstruction fundamentally relies on drift-free camera poses, we first introduce a motion-adaptive hybrid tracking module. This module features a condition-triggered three-tier solving pipeline. It dynamically switches between Essential matrix and PnP models to handle geometric degeneracies. An on-demand foundation model can also be activated to rescue the trajectory from catastrophic drift. To ensure the system can sustain these long trajectories without memory exhaustion, we subsequently design a lifecycle-managed Gaussian mapping strategy. By integrating probabilistic initialization with chunk-based multi-view densification and pruning, this full-pipeline optimization effectively reduces primitive redundancy while preserving high-frequency details. Together, the robust tracking guarantees the geometric foundation required for accurate mapping, while the memory-efficient lifecycle-managed mapping enables large-scale operation. Extensive experiments across three challenging outdoor datasets demonstrate that our approach achieves state-of-the-art tracking accuracy and rendering quality, successfully scaling to sequences of over 10,000 frames on a single GPU.