https://www.bilibili.com/opus/1090468428158861315
在自动驾驶、机器人导航、AR/VR等核心应用场景中，SLAM技术至关重要。现有基于3D高斯（3DGS）的SLAM方法虽在室内场景表现优异，但在仅依赖RGB输入的无界户外场景中仍面临挑战：
-
几何信息缺失：单目系统缺乏深度先验
-
尺度漂移累积：现有方案引入单目深度估计或端到端点图模型（如MASt3R）作为几何先验时，因帧间尺度不一致性导致系统级尺度漂移，在复杂户外环境中尤为显著
针对上述挑战，香港科技大学（广州）团队提出 S3PO-GS——实现全局尺度一致的RGB单目SLAM框架：
✅ 自洽跟踪模块：通过3DGS渲染尺度自洽的3D点图，与当前帧建立2D-3D对应关系，实现无漂移的位姿估计 ✅ 动态建图机制：创新性设计基于局部patch的尺度对齐算法，将预训练点图（MASt3R）与3DGS场景动态校准，消除尺度歧义 ✅ 联合优化架构：通过点图替换与几何监督损失，同步提升定位精度与重建质量
在Waymo/KITTI/DL3DV三大户外基准测试中：
-
跟踪精度：超越所有3DGS-SLAM方法（DL3DV场景误差降低77.3%）
-
新视角合成：新视角渲染刷新SOTA记录，（Waymo上PSNR达到26.73）