摘要—传统的即时定位与地图构建（SLAM）系统常受限于渲染质量粗糙、场景细节恢复不足以及在动态环境中的鲁棒性较差等问题。3D 高斯泼溅（3DGS）凭借其高效的显式表示和高质量渲染能力，为 SLAM 领域提供了一种全新的重建范式。本综述全面回顾了将 3DGS 与 SLAM 集成的关键技术路径。我们从四个核心维度——渲染质量、跟踪精度、重建速度和内存消耗——分析了代表性方法的性能优化手段，并深入探讨了其设计原理与技术突破。此外，我们考察了旨在增强 3DGS-SLAM 在运动模糊和动态环境等复杂场景下鲁棒性的相关方法。最后，本文讨论了该领域的未来挑战与发展趋势。本综述旨在为研究人员提供技术参考，并推动具有高保真、高效能和高鲁棒性特征的下一代 SLAM 系统的发展。

索引词—SLAM，3DGS，神经渲染，性能优化，动态场景。

I. 引言

即时定位与地图构建（SLAM）是自动驾驶、增强现实及无人机导航等应用的基础技术，旨在未知环境中估计自身位姿，并同步构建一致的环境地图。SLAM 通过融合传感器数据提取环境特征，并基于运动与观测模型迭代优化位姿及地图。 传统 SLAM 方法主要依赖几何特征，其演进历程从滤波方法（如 EKF-SLAM [1]）到稀疏特征点方法（如 MonoSLAM [2] 和 PTAM [3]），再到稠密/半稠密方法（如 DTAM [4] 和 LSD-SLAM [5]），最终发展为紧耦合架构（如 ORB-SLAM 系列 [6] 和 DSO [7]）。其中，MonoSLAM 和 PTAM 开创了实时并行跟踪的先河；LSD-SLAM 和 DSO 等直接法提高了在弱纹理环境下的鲁棒性；而 ORB-SLAM 系列则通过整合闭环检测与严格的关键帧管理，确立了经典的基于图优化的范式。随着深度学习的发展，基于学习的方法（如 DROID-SLAM [8], DeepFactors [9] 和 SP-SLAM [10]）显著提升了定位精度。此外，将语义信息引入建图的方法（如 MaskFusion [11], Co-Fusion [12] 和 RDS-SLAM [13]）进一步增强了系统对环境的理解与建模能力 [14]。 尽管上述方法优势明显，但仍面临显著局限：在渲染质量方面，多数方法依赖粗糙的几何表示（如稀疏点云或网格），仅能恢复大致的场景几何，无法生成高保真视图；在跟踪精度方面，特征匹配在弱纹理、剧烈运动或光照变化下易失效，导致位姿漂移；此外，内存消耗仍是一大挑战，稠密方法存储网格或体素往往导致极高的内存占用。 近期，神经辐射场（NeRF）[15] 及其变体 [16]–[21] 推动了 SLAM 的显著进步。iMAP [22]、Nice-SLAM [23]、ESLAM [24] 和 Point-SLAM [25] 等系统将 NeRF 的高保真重建与 SLAM 的位姿优化结合，实现了可学习、可微且端到端的建图。iMAP 和 NICE-SLAM 等开创性工作展示了隐式场在连续重建中的潜力。随后，ESLAM 引入了轴对齐特征平面，Point-SLAM 引入了神经点云表示，进一步提升了效率。然而，基于 NeRF 的方法依赖密集视图采样，在稀疏视图下表现不佳，且神经网络训练计算开销巨大，难以满足实时性要求。这些方法通常使用大型体素哈希或多层感知机（MLP）表示场景，导致复杂度极高。 现有的 SLAM 范式在高保真重建与实时效率之间面临根本性的权衡。显式几何表示（如点云、体素、网格）利于实时运行，但往往难以捕捉高频纹理细节；相反，隐式神经表示虽擅长细节合成，但计算和内存成本极高，限制了其实时部署。新兴的 3D 高斯泼溅（3DGS）技术 [26] 弥补了这一差距，它提供了一种显式表示，兼具 NeRF 的渲染质量与卓越的渲染速度。尽管 3DGS 及其变体 [27]–[37] 在效率上显著优于 NeRF，但原始框架是为已知位姿的离线优化设计的，限制了其在在线场景中的直接应用。因此，研究人员开始将 3DGS 集成到 SLAM 流程中，将鲁棒的实时位姿估计与高质量场景重建相结合。这种协同效应确立了新一代视觉 SLAM，能够同时实现高保真和实时建图。图 1 展示了 SLAM 的发展历程。 自 3DGS 问世以来，已有数篇综述 [38]–[43] 对其进行了回顾，但多将其视为通用的场景表示，未探讨集成 SLAM 时的特定优化挑战。反之，现有的 SLAM 综述 [44]–[47] 未能涵盖 3DGS 在该领域的潜力。部分工作 [48]–[50] 尝试总结了 3DGS-SLAM 的进展，但通常基于传统 SLAM 维度（如传感器模态）进行分类，忽略了不同应用场景的核心需求。例如，沉浸式 AR/VR 要求虚拟叠加层与现实世界高度一致，追求极高的渲染质量；自主机器人 [51] 和无人机导航 [52] 为确保安全需稳定的位姿估计，侧重跟踪精度；自动驾驶 [53] 和交互式数字孪生依赖低延迟，需优化速度；而大规模建图必须处理海量数据，凸显了内存优化的重要性。 基于此视角，本综述聚焦于 3DGS-SLAM 的优化策略。我们系统考察了在渲染质量、跟踪精度、重建速度及内存消耗四个关键性能维度的核心技术与代表性工作。此外，我们还讨论了处理运动模糊和动态场景的增强鲁棒性方法。图 2 概述了本文的结构。我们的目标是提供全面的参考，并推动具备高保真、高效能、高鲁棒性特征的下一代 SLAM 的发展。