论文复现《SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM》_splatam论文解析

前言

SplaTAM算法是首个开源的基于RGB-D数据，生成高质量密集3D重建的SLAM技术。

通过结合3DGS技术和SLAM框架，在保持高效性的同时，提供精确的相机定位和场景重建。

代码仓库：spla-tam/SplaTAM: SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM (CVPR 2024) (github.com)https://github.com/spla-tam/SplaTAM

论文地址：2312.02126.pdf (arxiv.org)

一、实验环境

1.1  电脑环境

Ubuntu18.04，python3.10，cuda11.6，pytorch1.12.1

1.2  配置须知

根据作者给的代码仓库，本人按照README文件进行配置，需要注意如下几点：

1、pip install -r requirements.txt这块git的下载可能会很慢，可以注释掉然后再重新下载

在项目目录下运行下面指令即可： 

git clone https://github.com/JonathonLuiten/diff-gaussian-rasterization-w-depth

2、然后配置的时候，需要在终端bash的环境变量里面加入cuda的位置，修改.bashrc

3、编译器gcc版本需要降低到10，运行指令：

conda install gxx_linux-64=10

4、然后在下载的这个目录运行pip install .（注意有一个点 . ）即可安装好diff-gaussian-rasterization-w-depth这个库（可微高斯光栅化的库）。

1.3  下载数据集（运行下载脚本即可）

代码提供给了几种数据集，有IPhone设备收集（可以在线和捕获照片后离线）， 也有经典的数据集Replica、TUM-RGBD、ScanNet、ScanNet++、ReplicaV2 随后作者给出了上述数据集的基准测试的运行指令。

二、配置过程

由于本人在Ubuntu系统下运行，因此配置的过程也是使用的基于Linux的：

2.1  环境搭建

（conda安装+Python3.10的虚拟环境+cuda+pytorch+requirements.txt对应功能包）

conda create -n splatam python=3.10
conda activate splatam
conda install -c "nvidia/label/cuda-11.6.0" cuda-toolkit
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge
pip install -r requirements.txt

2.2  下载数据集

由于没有IPhone手机和相关设备，因此只能离线下载数据集进行渲染，本人选择的是TUM-RGBD数据集，因为Replica数据集太大了，下载时间太长。

bash bash_scripts/download_tum.sh

2.3  训练SplaTAM（渲染过程）

首先先把 configs/tum/splatam.py 文件里的 use_wandb = True 改成了 False 。

然后在终端运行即可开始训练：

python scripts/splatam.py configs/tum/splatam.py

训练过程如图所示：

使用的GTX4070显卡，训练了大概四五十分钟。 

三、复现结果

训练完成之后，我们运行下面的指令即可得到渲染的最终结果和渲染过程视频。

3.1  最终结果展示

在终端输入指令

python viz_scripts/final_recon.py configs/tum/splatam.py

在config/tum/splatam.py中修改参数，重新再训练得到对比如下：

3.2  渲染过程视频

在终端输入指令

python viz_scripts/online_recon.py configs/tum/splatam.py

视频放不上去，大家可以运行这个指令自我尝试一下。

四、算法解读

4.1  算法对比

【数据集】

在四个数据集ScanNet++ 、Replica、TUM-RGBD、ScanNet进行评估

【评价指标】

为了测量RGB渲染性能使用了PSNR、SSIM和LPIPS

【损失函数】

对于深度渲染性能使用深度L1损失

对于摄像机姿态估计跟踪使用平均绝对轨迹误差（ATE RMSE）

【Baselines】

比较的主要基线方法是Point-SLAM。

• 完成了四个数据集上在线相机位姿实验；
• 高斯图重建与摄像机pose的可视化；
• 渲染质量比较评估；
• 颜色和深度损失消融。

4.1  各向同性的3DGS

SplaTAM公式：

3DGS公式：

4.2  基于Splatting的可微分渲染

4.3  SplaTAM的缺点

尽管 SplaTAM 实现了最先进的性能，但该方法对运动模糊、大深度噪声和激进旋转表现出一定的敏感性。

五、代码解读

5.1  代码整体框架

对于项目代码的分析框架如下所示：

5.2  配置文件：configs/tum/splatam.py

• 一、场景选择 (scene_name): 通过索引选择一个场景进行处理，共五个场景 map_every: 每多少帧进行一次映射（Map）操作。 keyframe_every: 每多少帧选择一个关键帧。 mapping_window_size: 映射窗口的大小。
• 二、跟踪迭代和映射迭代 (tracking_iters, mapping_iters): tracking_iters: 跟踪（Tracking）阶段每帧的迭代次数。 mapping_iters: 映射（Mapping）阶段的迭代次数。 scene_radius_depth_ratio :用于在剪枝（Pruning）和致密化（Densification）过程中设置深度和场景半径的比例。
• 三、跟踪配置 (tracking 字典): 包含了是否使用真实位姿（Ground Truth Poses）、是否前向传播姿态、是否使用轮廓（Silhouette）作为损失函数的一部分等设置。 映射配置 (mapping 字典):包含了映射迭代次数、是否添加新的高斯点、轮廓阈值、是否使用L1损失等。 prune_gaussians: 是否在映射过程中剪枝高斯点。 pruning_dict: 剪枝相关的参数，如开始剪枝的迭代后、移除大高斯点后的迭代数等。 use_gaussian_splatting_densification: 是否使用基于高斯溅射的致密化方法。 densify_dict: 致密化相关的参数，如开始致密化的迭代后、移除大高斯点后的迭代数等。
• 四、可视化配置 (viz 字典): 包含了渲染模式、是否显示轮廓、可视化相机和轨迹、可视化窗口大小、视野深度等。

5.3  核心算法文件：scripts/splatam.py

其中的rgbd_slam函数是核心算法的实现

1、打印配置信息、创建输出目录、初始化WandB、加载设备和数据集等操作；

2、迭代处理RGB-D帧，进行跟踪（Tracking）和建图（Mapping）。

3、保存关键帧信息和参数。

4、最后，评估最终的SLAM参数。

 其他的重要函数见本人所制作的PPT，如下所示：

5.3.1  初始化阶段

 5.3.2  Tracking阶段

5.3.3  Mapping阶段

5.3.4  可视化阶段

可视化阶段： 可以使用生成的3D模型和相机轨迹来可视化场景。 将3D点云渲染成2D图像，并展示相机在场景中的运动轨迹。 可视化有助于理解算法的性能和重建的质量，还可以用于调试和优化算法参数。

 5.3.5  迭代优化

在整个SplaTAM算法中，跟踪和建图阶段是交替进行的。 每次迭代都会根据新的观测数据更新相机轨迹和场景模型，直到满足停止条件，例如达到预设的迭代次数或者误差收敛到一个可接受的范围。

5.3.6  反向传播 

5.4  其他算法文件

5.4.1utils/keyframe_selection.py

5.4.2utils/slam_external.py

5.4.3utils/slam_helper.py

这部分的内容，还请读者们自行阅读代码，代码量较少，阅读难度较低。

5.5  光栅化

3DGS的渲染过程是利用了光栅化（rasterization） 而光栅化的过程需要在GPU上运行。

from diff_gaussian_rasterization import GaussianRasterizationSettings GaussianRasterizer

这部分的源码用cuda写的 GaussianRasterizationSettings与GaussianRasterizer对应的代码 在submodules/diff-gaussian-rasterization/diff_gaussian_rasterization/__init__.py 光栅化的源码主要的运行及计算的工程是forward（采用前向渲染）

该函数使用了CUDA并行计算，通过调用名为 preprocessCUDA 的 CUDA 核函数来执行高斯光栅化的前处理。CUDA 核函数的执行由函数参数确定。在 CUDA 核函数中，每个线程块由多个线程组成，负责处理其中的一部分数据，从而加速高斯光栅化的计算。

参考链接如下：https://github.com/JonathonLuiten/diff-gaussian-rasterization-w-depth

总结

本人从配置运行SplaTAM，到进行算法解读和代码讲解，细致入微地对基于3D-GS的SLAM算法经典之作，进行了一个总结回顾。