동적 전장 환경에서 무인 플랫폼의 위치 견고성, 장면 재구성 품질 및 실시간 렌더링 능력을 향상시키기 위해. 동적 환경에서 전통적인 실시간 위치추적 및 지도작성(Simultaneous Localization and Mapping, SLAM) 알고리즘이 위치 드리프트가 발생하기 쉬우며, 희소 점군 또는 복셀 맵이 고품질 3D 시각화 및 렌더링을 지원하기 어려운 이중 과제를 해결하기 위해, 강건한 동적 의미론 전단과 3D 가우스 스플래터링 매핑 후단을 융합한 실시간 의미론 SLAM 시스템 GS-SLAM을 제안한다. 전단은 개선된 MobileNetV2 백본 기반의 경량 SOLOv2 알고리즘을 사용하여 실시간 의미론 분할을 수행하며; 이를 바탕으로 3프레임 에피폴라 일관성 제약과 저하된 장면에서의 이중 임계값 기하학 제약을 제안하여, 일정 속도 운동 가정과 3D 윤곽 재투영 기반 누락 보상 메커니즘을 구축하여 동적 특징점의 효과적인 제거를 실현한다. 후단은 독립적 비동기 3D 가우스 매핑 스레드를 설계하고, 슬라이딩 윈도우 일관성 동적 마스크 융합 전략을 제안하여 다중 프레임 의미론 및 기하학 검출 결과에 대한 시계열 통계를 수행한다; 매칭 점 수와 추적 안정성을 융합한 적응형 우선 선택 메커니즘을 구축하여 고품질 키프레임을 선별하고, 동적 장면에서 정적 3D 가우스 모델을 구축하여 실시간 처리 및 고품질 렌더링을 구현한다. 실험 결과 TUM 데이터셋의 고동적 시퀀스에서 원래 ORB-SLAM2 대비 절대 궤적 오차가 크게 감소(최대 99% 이상 감소)하였고, 상대 자세 오차도 93% 이상 감소하였다; Bonn 데이터셋에서도 우수한 결과를 얻었으며, 유사 첨단 알고리즘 대비 더 우수한 위치 정확도를 나타냈다.

3D 가우스 스플래터링; 동적 환경; 의미론 분할; 동적 특징 제거; 누락 보상