3D Gaussian Splattingを用いたリアルタイム月表面マッピングのためのセマンティックセグメンテーションと深度推定

要旨：月面のナビゲーションとマッピングは、テクスチャが乏しい環境、ハイコントラストの照明、限られた計算資源といった困難な条件下で堅牢な知覚を必要とします。この論文は、密な知覚モデルと3D Gaussian Splatting（3DGS）表現を統合したリアルタイムのマッピングフレームワークを提案します。私たちはまず、LuPNT シミュレータで生成された合成データセット上で複数のモデルをベンチマークし、深度推定の速度と精度のバランスに優れた Gated Recurrent Units（GRU）に基づくステレオ密集深度推定モデルを選択し、意味セグメントの検出性能に優れる畳み込みニューラルネットワークを選択します。真値ポーズを用いて局所的なシーン理解をグローバルな状態推定からデカップリングすることで、我々のパイプラインは約3 cmの幾何的高さの精度を持つ120 mの走査を再構成し、LiDARを用いない従来の点群ベースラインを上回ります。得られた3DGSマップは新規ビュー合成を可能にし、完全なSLAMシステムの基盤として機能します。ここで地図と姿勢の共同最適化の能力は重要な利点を提供するでしょう。我々の結果は、意味セグメンテーションと密集した深度推定を学習済み地図表現と組み合わせることが、将来の月面探査ミッションを支援する詳細かつ大規模な地図を作成する効果的なアプローチであることを示しています。