Physics-Informed Edge-Aware Thermal Gaussian Splatting SLAM

Abstract

Conventional SLAM systems relying on photometric alignment often fail in texture-sparse, low-contrast thermal imagery. To address this, we propose Physics-Informed Edge-Aware Thermal Gaussian Splatting SLAM （PI-EAT-SLAM）, thermal-depth Gaussian Splatting SLAM framework designed for robust navigation in visually degraded environments. Our approach enhances thermal contrast through a Stefan-Boltzmann law-based rescaling module and establishes reliable correspondences using a multi-stage Gradient-aware Edge-KLT （GE-KLT） tracking method with dual-constraint outlier rejection. Furthermore, we integrate an edge-aware smoothness loss to preserve sharp thermal boundaries while maintaining thermal equilibrium during mapping. Experimental results demonstrate that our method delivers superior tracking accuracy and highly competitive novel view synthesis compared to state-of-the-art baselines.|본 학위 논문은 광학적 정렬에 의존하여 텍스처가 부족하고 대비가 낮은 열화상 환경에서 성능 이 저하되는 기존 SLAM 시스템의 한계를 해결하기 위해, 시각적 악조건에서도 강건한 주행이 가능한 열화상-깊이 가우시안 스플래팅 SLAM 시스템을 제안합니다. 우리의 방법은 스테판-볼츠만 법칙 기반 의 열화상 재조정 모듈을 도입하여 이미지 대비를 물리적으로 향상시키며, 이중 제약 조건 이상치 제거 메커니즘을 포함한 다단계 그래디언트 인지형 에지 KLT（GE-KLT） 추적을 통해 신뢰성 높은 대응점을 확보합니다. 또한, 지도 작성 과정에서 에지 인지형 평활화 손실 함수를 통합하여 열적 평형 상태를 유 지함과 동시에 선명한 열적 경계를 보존합니다. 실험 결과, 제안하는 방법은 최신 방법들에 비해 우수한 추적 정확도와 경쟁력 있는 새로운 시점 합성 성능을 보여줍니다.