户外SLAM技术突破 - 香港科技大学（广州）提出S3PO-GS框架，首次实现RGB单目SLAM的全局尺度一致性，被ICCV 2025接收 [2] - 在Waymo、KITTI和DL3DV三大户外基准测试中，S3PO-GS刷新新视角合成SOTA纪录，DL3DV场景跟踪误差降低77.3% [2][6] - 该技术针对户外单目SLAM的尺度漂移问题，解决无界户外环境中深度先验缺失和帧间尺度不一致的双重瓶颈 [4][5] 核心技术方案 - 自洽跟踪模块：利用3DGS渲染生成尺度自洽的3D点云图，建立精准2D-3D对应关系，消除位姿估计漂移误差 [6] - 动态建图机制：提出基于局部patch的尺度对齐算法，动态校准预训练点云图与3DGS场景的尺度参数 [6][10] - 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 [6][11] 性能表现 - Waymo数据集PSNR指标达到26.73，KITTI数据集ATE降至1.048，DL3DV数据集ATE仅0.032 [16] - 位姿估计迭代次数减少至传统方法的10%，在复杂数据集上实现精确相机追踪 [22] - 渲染图像精准捕捉车辆纹理和建筑结构，深度变化复杂区域精度显著提升 [17][21] 技术原理 - 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 [7] - 动态双向校准机制：基于局部patch尺度对齐和几何-尺度解耦融合，实现尺度统一且几何完备的场景先验 [12][13] - 联合优化阶段形成定位与重建相互强化的闭环，实现高精度定位与高保真重建的协同跃升 [11] 应用前景 - 技术适用于自动驾驶、机器人导航及AR/VR等前沿领域，提升SLAM系统鲁棒性 [3] - 未来将探索回环检测和大规模动态场景优化，拓展户外SLAM应用边界 [24]