中科院团队提出 LR-SGS 与 MMD-SLAM 新方法，提升 3D 场景重建与机器人映射精度
中国科学院合肥物质科学研究院智能机械研究所朱慧教授领导的研究团队近日发布两项研究成果，分别针对复杂驾驶场景的 3D 重建以及机器人的定位与建图提出了新的解决方案。这两项研究均已被 2026 年 IEEE 机器人与自动化国际会议（ICRA 2026）接收。
其中，关于场景重建的论文在超过 5,000 篇投稿中脱颖而出，入围机器人感知领域的最佳论文奖决赛，仅有三篇论文获此殊荣。
LR-SGS：融合 LiDAR 与视觉数据优化驾驶场景重建
精确的场景重建是机器人理解周围环境的基础，但在面对移动物体、光照变化及复杂几何结构时仍面临挑战。为此，该团队开发了名为 LR-SGS 的高质量 3D 场景重建方法。
图示为 LR-SGS 架构（图片来源：江春）
LR-SGS 的核心创新在于将 LiDAR 数据与摄像机图像相结合。通过利用强度信息，该方法能够在不同照明条件下捕捉场景细节。同时，它识别关键的结构特征并抑制冗余信息，从而显著提高了重建效率。
在 Waymo 等数据集上的实验表明，LR-SGS 不仅提升了重建准确性，还保持了紧凑的 3D 表示和高效的训练速度。此外，重建生成的场景具备可编辑性，可直接用于创建虚拟驾驶环境，服务于自动驾驶模拟与测试。
MMD-SLAM：利用几何特征增强机器人定位与建图
另一项成果 MMD-SLAM 旨在改进机器人追踪自身位置及绘制周围环境地图的能力。该方法主要应用于建筑物和其他人造环境，利用点、线和平面等几何特征进行优化。
通过结合这些结构化特征，MMD-SLAM 能够生成更一致的 3D 点云地图，并提高定位精度。测试结果显示，该方法在保持实时处理效率的同时，展现了更好的映射和跟踪性能。
研究人员指出，这两种方法分别为场景重建和机器人导航提供了新的工具和技术路径。
相关文献引用
- 范朱等人. MMD-SLAM: Structure-Enhanced Multi-Meta Gaussian Guided Visual SLAM. 2026 年 IEEE 机器人和自动化国际会议 (ICRA). DOI: 10.1109/icra57385.2026.11697390
- 相关场景重建论文收录于 2026 年 IEEE 机器人与自动化国际会议 (ICRA). DOI: 10.1109/icra57385.2026.11696891
