MCGS-SLAM

A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping

Anonymous Author

SLAM System Pipeline

Our method performs real-time SLAM by fusing synchronized inputs from a multi-camera rig into a unified 3D Gaussian map. It first selects keyframes and estimates depth and normal maps for each camera, then jointly optimizes poses and depths via multi-camera bundle adjustment and scale-consistent depth alignment. Refined keyframes are fused into a dense Gaussian map using differentiable rasterization, interleaved with densification and pruning. An optional offline stage further refines camera trajectories and map quality. The system supports RGB inputs, enabling accurate tracking and photorealistic reconstruction.

Right Image

Analysis of Single-Camera and Multi-Camera System

This experiment on the Waymo Open Dataset (Real World) demonstrates the effectiveness of our Multi-Camera Gaussian Splatting SLAM system. We evaluate the 3D mapping performance using three individual cameras, Front, Front-Left, and Front-Right, and compare these single-camera reconstructions against the Multi-Camera SLAM results.

The comparison highlights that the Multi-Camera SLAM leverages complementary viewpoints, providing more complete and geometrically consistent 3D reconstructions. In contrast, single-camera setups are prone to occlusions and limited fields of view, resulting in incomplete or distorted geometry. Our approach effectively fuses information from all three perspectives, achieving superior scene coverage and depth accuracy.

Right Image

Prison Break Season 1 Hindi Dubbed Top -

рдкреНрд░рд┐рдЬрд╝рди рдмреНрд░реЗрдХ рдПрдХ рдЕрдореЗрд░рд┐рдХреА рдЯреЗрд▓реАрд╡рд┐рдЬрд╝рди рд╢реНрд░реГрдВрдЦрд▓рд╛ рд╣реИ рдЬреЛ 2005 рдореЗрдВ рдкреНрд░рд╕рд╛рд░рд┐рдд рд╣реБрдИ рдереАред рдЗрд╕ рд╢реНрд░реГрдВрдЦрд▓рд╛ рдХреЛ рдл╨╛╨║реНрд╕ рдиреЗрдЯрд╡рд░реНрдХ рдкрд░ рдкреНрд░рд╕рд╛рд░рд┐рдд рдХрд┐рдпрд╛ рдЧрдпрд╛ рдерд╛ рдФрд░ рдЗрд╕реЗ рджрд░реНрд╢рдХреЛрдВ рдиреЗ рдмрд╣реБрдд рдкрд╕рдВрдж рдХрд┐рдпрд╛ рдерд╛ред рдЗрд╕ рд╢реНрд░реГрдВрдЦрд▓рд╛ рдХреЗ рдкрд╣рд▓реЗ рд╕реАрдЬрд╝рди рдХреЛ рд╣рд┐рдВрджреА рдореЗрдВ рдбрдм рдХрд┐рдпрд╛ рдЧрдпрд╛ рд╣реИ, рдЬрд┐рд╕реЗ рдкреНрд░рд┐рдЬрд╝рди рдмреНрд░реЗрдХ рд╕реАрдЬрд╝рди 1 рд╣рд┐рдВрджреА рдбрдмреНрдб рдХрд╣рд╛ рдЬрд╛рддрд╛ рд╣реИред

рдкреНрд░рд┐рдЬрд╝рди рдмреНрд░реЗрдХ рд╕реАрдЬрд╝рди 1 рд╣рд┐рдВрджреА рдбрдмреНрдб рдПрдХ рдЙрддреНрдХреГрд╖реНрдЯ рдереНрд░рд┐рд▓рд░ рд╣реИ рдЬрд┐рд╕рдореЗрдВ рдХрдИ рд╡рд┐рд╢реЗрд╖рддрд╛рдПрдВ рд╣реИрдВред рдЗрд╕ рд╢реНрд░реГрдВрдЦрд▓рд╛ рдХреА рдХрд╣рд╛рдиреА рдмрд╣реБрдд рд░реЛрдорд╛рдВрдЪрдХ рд╣реИ, рдЕрднрд┐рдирдп рдЕрдЪреНрдЫрд╛ рд╣реИ, рдФрд░ рдирд┐рд░реНрджреЗрд╢рди рдЙрддреНрдХреГрд╖реНрдЯ рд╣реИред рдпрджрд┐ рдЖрдк рдПрдХ рдЕрдЪреНрдЫреЗ рдереНрд░рд┐рд▓рд░ рдХреА рддрд▓рд╛рд╢ рдореЗрдВ рд╣реИрдВ, рддреЛ рдкреНрд░рд┐рдЬрд╝рди рдмреНрд░реЗрдХ рд╕реАрдЬрд╝рди 1 рд╣рд┐рдВрджреА рдбрдмреНрдб рдПрдХ рдЕрдЪреНрдЫрд╛ рд╡рд┐рдХрд▓реНрдк рд╣реЛ рд╕рдХрддрд╛ рд╣реИред prison break season 1 hindi dubbed top

рдкреНрд░рд┐рдЬрд╝рди рдмреНрд░реЗрдХ рд╕реАрдЬрд╝рди 1 рдХреА рдХрд╣рд╛рдиреА рджреЛ рднрд╛рдЗрдпреЛрдВ, рдорд╛рдЗрдХрд▓ рд╕реНрдХреЙрдлреАрд▓реНрдб (рд╡реЗрдВрдЯрд╡рд░реНрде рдорд┐рд▓рд░) рдФрд░ рд▓рд┐рдВрдХрди рдмрд░реНрдмреНрд╕ (рдбреЛрдорд┐рдирд┐рдХ рдкрд░реНрд╕реЗрд▓) рдХреЗ рдмрд╛рд░реЗ рдореЗрдВ рд╣реИред рдорд╛рдЗрдХрд▓ рдПрдХ рдЗрдВрдЬреАрдирд┐рдпрд░ рд╣реИ рдЬреЛ рдЕрдкрдиреЗ рднрд╛рдИ рд▓рд┐рдВрдХрди рдХреЛ рдмрдЪрд╛рдиреЗ рдХреЗ рд▓рд┐рдП рдЬреЗрд▓ рдореЗрдВ рдЬрд╛рддрд╛ рд╣реИ, рдЬрд┐рд╕реЗ рдЧрд▓рдд рддрд░реАрдХреЗ рд╕реЗ рд╣рддреНрдпрд╛ рдХрд╛ рдЖрд░реЛрдк рд▓рдЧрд╛рдпрд╛ рдЧрдпрд╛ рд╣реИред рдорд╛рдЗрдХрд▓ рдЬреЗрд▓ рдореЗрдВ рдЬрд╛рдиреЗ рдХреЗ рд▓рд┐рдП рдЕрдкрдиреЗ рд╢рд░реАрд░ рдкрд░ рдЬреЗрд▓ рдХреЗ рдирдХреНрд╢реЗ рдХреЛ рдЯреИрдЯреВ рдХрд░рддрд╛ рд╣реИ рдФрд░ рдЕрдкрдиреЗ рднрд╛рдИ рдХреЛ рдмрдЪрд╛рдиреЗ рдХреЗ рд▓рд┐рдП рдПрдХ рдпреЛрдЬрдирд╛ рдмрдирд╛рддрд╛ рд╣реИред рдЕрднрд┐рдирдп рдЕрдЪреНрдЫрд╛ рд╣реИ


Analysis of Single-Camera and Multi-Camera SLAM (Tracking)

In this section, we benchmark tracking accuracy across eight driving sequences from the Waymo dataset (Real World). MCGS-SLAM achieves the lowest average ATE, significantly outperforming single-camera methods.
Right Image

We further evaluate tracking on four sequences from the Oxford Spires dataset (Real World). MCGS-SLAM consistently yields the best performance, demonstrating robust trajectory estimation in large-scale outdoor environments.
Right Image

Right Image