Estudio de técnicas de SLAM monocular en tiempo real para entornos exteriores
Lin, Yanhao
Lumbreras Ruiz, Felipe tut. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant: Estudi de tècniques de SLAM monocular en temps real per a entorns exteriors
Títol variant: Study of Real-Time Monocular SLAM Techniques for Outdoor Environments
Data: 2026
Resum: Aquest treball analitza tècniques de reconstrucció 3D i de representació visual amb la motivació d’accelerar i ampliar-ne l’ús en escenaris exteriors. COLMAP s’utilitza com a referència geomètrica, mentre que MASt3R-SLAM i LingBot-Map s’avaluen com a alternatives recents capaces de produir reconstruccions denses a partir de vídeo. Les seves sortides s’adapten posteriorment a Gaussian Splatting (GS) per comprovar si poden substituir o complementar l’etapa de COLMAP dins del pipeline. Els experiments amb vídeos propis comparen la densitat, l’estabilitat geomètrica, el temps d’execució, el cost computacional i la facilitat d’integració. Els resultats mostren que COLMAP proporciona l’entrada més estable per a GS, LingBot-Map obté amb més rapidesa una reconstrucció visualitzable i MASt3R-SLAM genera més densitat, tot i que tots dos mètodes apresos requereixen refinament abans de reemplaçar COLMAP.
Resum: This project analyses 3D reconstruction and visual representation techniques with the aim of accelerating and extending their use in outdoor environments. COLMAP is used as a geometric baseline, while MASt3R-SLAM and LingBot-Map are evaluated as recent alternatives capable of producing dense reconstructions from video. Their outputs are then adapted to Gaussian Splatting (GS) to determine whether they can replace or complement the COLMAP stage within the pipeline. Experiments conducted on self-recorded videos compare density, geometric stability, execution time, computational cost, and interoperability. The results show that COLMAP provides the most stable input for GS, LingBot-Map produces a viewable reconstruction more quickly, and MASt3R-SLAM yields denser geometry. However, both learned methods still require further refinement before they can replace COLMAP.
Resum: Este trabajo analiza técnicas de reconstrucción 3D y representación visual con la motivación de acelerar y extender su uso en escenarios exteriores. COLMAP se utiliza como referencia geométrica, mientras que MASt3R-SLAM y LingBot-Map se evalúan como alternativas recientes capaces de producir reconstrucciones densas a partir de vídeo. Sus salidas se adaptan posteriormente a Gaussian Splatting (GS) para comprobar si pueden sustituir o complementar la etapa de COLMAP dentro del pipeline. Los experimentos con vídeos propios comparan la densidad, la estabilidad geométrica, el tiempo de ejecución, el coste computacional y la facilidad de integración. Los resultados muestran que COLMAP proporciona la entrada más estable para GS, LingBot-Map obtiene con mayor rapidez una reconstrucción visualizable y MASt3R-SLAM genera más densidad, aunque ambos métodos aprendidos requieren refinamiento antes de reemplazar a COLMAP.
Drets: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades. Creative Commons
Llengua: Castellà
Titulació: Enginyeria Informàtica [2502441]
Pla d'estudis: Enginyeria Informàtica [958]
Document: Treball final de grau
Àrea temàtica: Menció Computació
Matèria: SLAM monocular ; reconstrucció 3D ; COLMAP ; MASt3R-SLAM ; LingBot-Map ; Gaussian Splatting ; Visió per computador ; Monocular SLAM ; 3D reconstruction ; Computer vision ; reconstrucción 3D ; Visión por computador



13 p, 10.1 MB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de final de grau > Escola d'Enginyeria. TFG

 Registre creat el 2026-07-21, darrera modificació el 2026-07-21



   Favorit i Compartir