开题报告思路
610e54adfd580b587c0bbd59721346a92e45b99994eed21044e0b3906f959430ab156847ed9ffe44c074f65992c567001f40f2794a59f8bab0d9b3d9063af54d19d17c97315960b36ba8c69d4a55d95e317d04d23616899eb2771e12e08e328ab7e20d0b40a5946cdaafb907a17e9559a128f852111e863cc6827231a47dff137f9f3574799ade66929c897b665805eb6dfb28e8ab5e7553cd8b3a9e0e4cb9b311978211a88d381c610b0ac6382032c59e1d4025e571c226dc5c2b4797634e175f2a77441b34a94ebc6130936d1a5663a742fd4d8f2f86963227edeebc8cdd38cbe098a7b71388d8693d23ee879712beae66d574b6d475c40 ...
3DGS的缺陷和其他论文的解决方案
610e54adfd580b587c0bbd59721346a94ed17a10e5b294ca54d0625cc90b5a400fdc36513abcaf3cba4990651b6a4bbb77e6e601cb28825d1480e3ec10b3d3af0c70135d281cea3eaec373110ca6e11ec617ef82262f4305deea520dcdb6b885edb5660a491e5c389ca84815c5137b8220a9518e1eb2c9c5a1923f9114413c615523ef4fa79cfd8b9238426d60e449b790069fb0c127a35e8ebaf64199a3e327d2975a78f298259db6740a731308c206e7694f822e34f1f266bfdfe4c5c2d7376a872f849c939f8c9281c9f5e23e68e1e2e48d329e8933e617593a5d3eff782c3d8b9bb879456a15d55aa8c4647ef40d2a251d700b8a2ec0a ...
论文背景及创新点写作
610e54adfd580b587c0bbd59721346a94ed17a10e5b294ca54d0625cc90b5a4011a44de0a8206cd8ddf4050e9017aeb05eb4997f679db982c538d4f3beb2181aac55f585f940e89f24db6a5238327fc4ed0688efb944a5c85621bd96e3e74aefbb92cbef2c85e16a5c72acf73e2832c841c2463ef56b3bd0adb42737dd01522b45a05a3a3530a97b32b423d09c61d1796ebe590e047829b73befcf31efeffb6997ac0cf7754af8410e9f1b944cbe92e2106d8a382d0045e25d10b3159eb7ecb06a090093c1f4744207ef825b1e01ffca430e55bb9255998e9330991e785aeac095bce42025fbcfcd8a002a10c715680ceccacdfe4430015d8 ...
3DGS拓展论文
1、GS-PlannerA Gaussian-Splatting-based Planning Framework for Active High-Fidelity Reconstruction（浙大高飞团队）一种基于高斯溅射的主动高保真重建规划框架 图1：模拟超市场景的主动重构全过程。我们将主动高保真重建系统部署在带有RGB-D传感器的模拟四旋翼飞行器上。彩色曲线显示了无人机的执行轨迹。我们演示了重建结果，包括整个渲染场景和在三个视图中渲染的细节。
摘要： 主动重构技术使机器人能够自主采集场景数据，实现全覆盖，将用户从繁琐、耗时的数据采集过程中解脱出来。
然而，现有方法的设计基于不合适的场景表示，重建结果不现实或无法在线评价质量。由于显式辐射场技术的最新进展，在线主动高保真重建已经成为可能。在本文中，我们提出了GS-Planner，一个利用三维高斯飞溅进行主动高保真重建的规划框架。通过改进3DGS对未观测区域的识别，在线评价3DGS地图的重建质量和完整性，指导机器人。然后设计了一种基于采样的主动重建策略，探索未观测区域，提高重建的几何和纹理质量。
为了建立一个完整的机器人 ...
3DGS源代码详细分析
源代码分析1、高斯模型D:\desktop\3DGS\gaussian-splatting\scene\gaussian_model.py
gaussian_model.py：高斯分布的参数是如何构建的，协方差矩阵，球谐函数，点云数据初始化，用于深度学习的激活函数学习率的设置，如何增加和删除高斯采用的方法。
第24行
12345678class GaussianModel:# 负责高斯模型的初始化和操作 def setup_functions(self):#设置一些激活函数，用于处理缩放、旋转、透明度等参数。 def build_covariance_from_scaling_rotation(scaling, scaling_modifier, rotation): L = build_scaling_rotation(scaling_modifier * scaling, rotation)# actual_covariance = L @ L.transpose(1, 2) symm = s ...
3dgs_render_python文件结构
GPT-Academic Report3dgs_render_python文件结构1234567891011121314151617181920flowchart TB subgraph 项目结构 R000["📁3dgs_render_python"] subgraph 核心目录 R000 --> R0000["📁3dgs_render_python"] R0000 --> R00000["🗎3dgs.py"] R00000 --> CR00000["定义了一个名为`Rasterizer`的类，其主要功能是进行3D高斯模型渲染，并产生二维图像输出"] R0000 --> R00001["🗎README.md"] R0000 --> R00002["🗎requirements.txt"] ...
各文件作用和文件夹分布
610e54adfd580b587c0bbd59721346a92e45b99994eed21044e0b3906f9594308ac2caee0f97229e926b03744f480a8211150252e196543658e0b9ce7bcc17a68d249ccfc15b2ce42bdb7a7d2fabe9161a8c67a40b40f2a619ef0a5abee095b38e51c657fae701d5ba72b3a7e57ddfe0cff72188d9d435ef9e88053a374a129ac4614946ab1eef99eecc760ed38c07414bbd8eda99826b95a26cdee72cecaf08df45605757c663d21204fafda37c5756cd6b40c3568e45460ae90494a7c877d2c861be044de0a784563d5d272b4a88407ad542441508d459adafa83a008b7ed149c71951229090df8e9239df9add539e7699a6023263e4669 ...
SLAM、3DGS、nerf、雷达、视觉等融合的论文
3D Gaussian Splatting（3DGS）技术在三维重建和SLAM（同步定位与建图）任务中均有应用，但两者的目标和要求存在差异，导致3DGS在这两类任务中的应用有所不同。
三维重建中的3DGS：
目标：生成高精度、高分辨率的三维模型，注重细节和视觉质量。
特点：
精度要求高：需要捕捉场景的细微细节，确保模型的真实性和完整性。
时间要求相对宽松：可以接受较长的处理时间，以换取更高的模型质量。
数据获取：通常使用多视角图像或深度传感器，获取丰富的场景信息。
SLAM建图中的3DGS：
目标：实现机器人或设备在未知环境中的实时定位和地图构建，强调实时性和鲁棒性。
特点：
实时性要求高：需要快速处理传感器数据，实时更新位姿和地图信息。
鲁棒性要求高：必须在动态或复杂环境中保持稳定的性能。
计算资源受限：通常在嵌入式系统或移动设备上运行，计算资源有限。
3DGS在两者中的应用差异：
数据处理：
三维重建：可以离线处理大量数据，采用复杂的算法提高模型质量。
SLAM建图：需要在线处理传感器数据，算法需优化以满足实时性要求。
模型表示：
三维重建：可能采用高密度 ...
SLAM基础知识学习
1、从滤波器谈SLAM
滤波器核心思想：
2、环境表达地图：环境表达
3、SLAM的数学表达状态表达：
F是矩阵，$x_{k}$是当前估计，$x_{k-1}$是上一刻的估计，$G*w$是噪声
估计+观测，对估计和观测的差值做补偿，称为传感器的融合
4、欧式坐标系和刚体姿态表示
OXYZ默认为世界坐标系，Ouvw默认为本体坐标系
$R$为旋转矩阵：
$C$是cos的简化表达，$S$是sin的简化表达
R3LIVE环境配置及运行
1、VMware安装VMware安装包：https://www.123pan.com/s/g520Vv-Dg2id
VMware虚拟机-Ubuntu设置共享文件夹（超详细）：VMware虚拟机-Ubuntu设置共享文件夹（超详细）_vmware ubuntu共享文件夹-CSDN博客
鱼香ROS一键安装：ubuntu系统安装ROS（简单版）
ubuntu 下 opencv的安装以及配置（亲测有效）：
ubuntu 下 opencv的安装以及配置（亲测有效）_ubuntu安装opencv-CSDN博客
2、R3live 环境配置R3live源代码github链接：hku-mars/r3live：稳健、实时、RGB 颜色、LiDAR-Inertial-Visual 紧密耦合状态估计和映射包
R3LIVE公开数据集：r3live_shared_bags - OneDrive
2.1 R3live使用Livox HAP + Realsnese d435i调试记录：
R3live 使用Livox HAP + Realsnese d435i调试记录_livox和d435i时间同步-CS ...