Co-SLAM：用于神经实时 SLAM 的联合坐标与稀疏参数化编码
计算机视觉与模式识别
2023-04-28 v1
摘要
我们提出 Co-SLAM，一种基于混合表示的神经 RGB-D SLAM 系统，可实时执行鲁棒的相机跟踪与高保真表面重建。Co-SLAM 将场景表示为多分辨率哈希网格，以利用其高收敛速度及表示高频局部特征的能力。此外，Co-SLAM 引入 one-blob 编码，以在未观测区域促进表面连贯性与补全。这种联合参数化-坐标编码通过兼取两者之长——快速收敛与表面孔洞填充——实现了实时且鲁棒的性能。而且，我们的射线采样策略使 Co-SLAM 能对全部关键帧执行全局光束法平差，而不像其他竞争神经 SLAM 方法那样需要关键帧选择以维持少量活动关键帧。实验结果表明，Co-SLAM 以 10-17Hz 运行，并在多种数据集与基准（ScanNet、TUM、Replica、Synthetic RGBD）上取得最先进的场景重建结果与具竞争力的跟踪性能。项目主页：https://hengyiwang.github.io/projects/CoSLAM
引用
@article{arxiv.2304.14377,
title = {Co-SLAM: Joint Coordinate and Sparse Parametric Encodings for Neural Real-Time SLAM},
author = {Hengyi Wang and Jingwen Wang and Lourdes Agapito},
journal= {arXiv preprint arXiv:2304.14377},
year = {2023}
}
备注
CVPR2023. First two authors contributed equally. Project page: https://hengyiwang.github.io/projects/CoSLAM