户外 SLAM 的尺度漂移问题，终于有了新解法！

香港科技大学（广州）的研究的最新成果：S3PO-GS，一个专门针对户外单目 SLAM 的 3D 高斯框架，已被 ICCV 2025 接收。

项工作的亮点在于首次实现了 RGB 单目 SLAM 的全局尺度一致性。在 Waymo、KITTI 和 DL3DV 三大户外基准测试中，S3PO-GS 不仅在新视角合成任务中刷新了 SOTA 纪录，更是在 DL3DV 场景中将跟踪误差降低了 77.3%。

这篇文章做了什么？

在自动驾驶、机器人导航及 AR/VR 等前沿领域，SLAM 技术的鲁棒性直接影响系统性能。

当前基于 3D 高斯（3DGS）的 SLAM 方案虽在室内场景表现卓越，但在仅依赖 RGB 输入的无界户外环境中仍面临严峻挑战：

单目系统固有的深度先验缺失导致几何信息不足，而引入单目深度估计或端到端点云模型（如 MASt3R）作为几何先验时，又因帧间尺度不一致性引发系统级尺度漂移，该问题在复杂户外场景尤为突出。

针对这一双重瓶颈，香港科技大学（广州）研究团队提出创新框架S3PO-GS ，首次实现 RGB 单目 SLAM 的全局尺度一致性。

该方案通过三大核心技术突破：

首先开发自洽跟踪模块，利用 3DGS 渲染生成尺度自洽的 3D 点云图，并与当前帧建立精准的 2D-3D 对应关系，从而消除位姿估计中的漂移误差；

其次设计动态建图机制，创新性提出基于局部 patch 的尺度对齐算法，动态校准预训练点云图（MASt3R）与 3DGS 场景的尺度参数，解决尺度模糊问题；

最后构建联合优化架构，通过点云替换策略与几何监督损失函数，同步提升定位精度与场景重建质量。

在 Waymo、KITTI 及 DL3DV 三大户外基准测试中，S3PO-GS 展现出显著优势：其跟踪精度超越所有现有 3DGS-SLAM 方法，尤其在 DL3DV 场景中将误差降低 77.3%；同时在新视角合成任务中刷新 SOTA 纪录，Waymo 数据集 PSNR 指标达到 26.73，为无界户外场景的实时高精度重建树立了新标杆。

基本原理

如图所示，S3PO-GS 系统工作流始于地图初始化阶段：通过 1000 步迭代优化 MASt3R 预训练点云图，构建初始 3D 高斯场景表示。

当新输入帧    进入跟踪阶段时，系统首先栅格化渲染相邻关键帧    的 3D 高斯点图，随后与当前帧进行特征匹配建立 2D-3D 对应关系，基于此估计尺度自洽的相机位姿并利用光度损失进行精细化调整。

若    被选为关键帧则触发动态建图机制：

系统同步获取当前渲染点图    与预训练点图  ，执行核心的基于局部 patch 的尺度对齐算法——通过裁剪具有相似分布的图像 patch、实施归一化处理、筛选几何一致性点云，最终计算缩放因子实现    的精准校准。

在联合优化阶段，系统基于对齐点图同步优化高斯地图参数与相机位姿，形成定位与重建相互强化的闭环：

相机位姿优化为场景重建提供精确视角约束，而动态校准的高斯地图则为后续帧跟踪提供几何一致性保障，从而实现高精度定位与高保真重建的协同跃升。

动态建图机制

此算法的核心洞见在于：

一方面，3DGS 渲染点图    虽因重建不完整存在几何缺失，但其尺度与场景全局严格自洽；

另一方面，预训练点图  （如 MASt3R）虽能感知像素级空间关系，却因帧间尺度歧义与当前高斯地图尺度失配。

针对此矛盾特性，本工作提出动态双向校准机制：

首先实施基于局部 patch 的尺度对齐——通过块相似性分析筛选空间分布一致的高置信度点，建立   与    的局部映射关系，求解最优缩放因子    将    精准映射至场景尺度空间；

继而执行几何 - 尺度解耦融合，以校正后的点图    作为几何监督信号，选择性修补    的残缺区域，最终形成尺度统一且几何完备的场景先验。

其中尺度对齐算法详细流程如下：

实验效果展示

定量对比

新视角渲染对比

如下图所示，本方法渲染的高保真图像可精准捕捉车辆纹理、街道细节与建筑结构。在深度变化复杂的区域（如树枝分叉处、路边车辆堆叠场景），渲染的深度图精度显著提升。

△Waymo ( 上三行 ) 和 KITTI ( 下三行 )

△DL3DV

追踪轨迹对比

如下图所示在剧烈视角变动场景下，本方案展现出卓越的抗视角剧变能力，位姿追踪稳定性显著超越现有 3DGS SLAM 方法。

总结

本研究提出了S3PO-GS，一个面向户外单目场景的三维高斯泼溅（3D Gaussian Splatting）SLAM 框架，具备尺度自洽点云图（scale self-consistent pointmap），以应对户外场景中常见的尺度漂移和几何先验缺失问题。

通过引入一个尺度自洽的 3DGS 点云图跟踪模块，将位姿估计所需的迭代次数减少至传统方法的 10%，并在如 Waymo 等复杂数据集上实现了精确的相机追踪。

此外，提出了一种基于局部补丁匹配的动态 patch 映射机制，有效解决了单目深度尺度模糊的问题，并显著提升了重建质量。

实验结果表明，本方法在 3DGS SLAM 的跟踪精度和新视角合成方面设立了新的基准。未来的工作将探索回环检测和大规模动态场景优化，以拓展该方法在户外 SLAM 中的应用边界。

原文链接：https://arxiv.org/abs/2507.03737

代码链接：https://github.com/3DAgentWorld/S3PO-GS

官方主页：https://3dagentworld.github.io/S3PO-GS/

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见