ActiveRMAP：用于主动建图与规划的辐射场
计算机视觉与模式识别
2022-11-24 v1 机器人学
摘要
从一组 2D 图像对场景的高质量 3D 重建可通过离线/在线建图方法实现。在本文中，我们从隐式表示的角度探索主动建图，隐式表示最近在各种应用中产生了引人注目的结果。最流行的隐式表示之一——神经辐射场（NeRF），首次使用多层感知机展示了照片级真实感渲染结果，其作为辐射场的副产品具有前景的离线 3D 重建。最近，研究人员也将此隐式表示应用于在线重建与定位（即隐式 SLAM 系统）。然而，关于使用隐式表示进行主动视觉任务的研究仍非常有限。在本文中，我们特别感兴趣于将神经辐射场应用于主动建图与规划问题，这两者是在主动系统中紧密耦合的任务。我们首次提出了一个仅使用 RGB 的主动视觉框架，利用辐射场表示以在线方式实现主动 3D 重建与规划。具体而言，我们将此联合任务表述为一个迭代双阶段优化问题，其中我们交替优化辐射场表示与路径规划。实验结果表明，所提方法相比其他离线方法取得了有竞争力的结果，并优于使用 NeRF 的主动重建方法。
引用
@article{arxiv.2211.12656,
title = {ActiveRMAP: Radiance Field for Active Mapping And Planning},
author = {Huangying Zhan and Jiyang Zheng and Yi Xu and Ian Reid and Hamid Rezatofighi},
journal= {arXiv preprint arXiv:2211.12656},
year = {2022}
}
备注
Under review