基于神经隐式地图的稠密 RGB SLAM
计算机视觉与模式识别
2023-02-21 v2 机器学习
机器人学
摘要
在同步定位与地图构建（SLAM）中使用神经隐式函数进行地图表示正成为新兴趋势。一些先驱工作已在 RGB-D SLAM 上取得令人鼓舞的结果。本文提出一种采用神经隐式地图表示的稠密 RGB SLAM 方法。为在无深度输入下达成这一挑战性目标，我们引入分层特征体以促进隐式地图解码器。该设计有效融合不同尺度的形状线索以助地图重建。我们的方法通过匹配渲染与输入视频帧，同时求解相机运动与神经隐式地图。为促进优化，我们进一步提出基于多视图立体思想的光度扭曲损失，以更好地约束相机位姿与场景几何。我们在常用基准上评估本方法，并与现代 RGB 及 RGB-D SLAM 系统比较。本方法取得优于先前方法的结果，甚至超越若干近期 RGB-D SLAM 方法。代码见 poptree.github.io/DIM-SLAM/。
引用
@article{arxiv.2301.08930,
title = {Dense RGB SLAM with Neural Implicit Maps},
author = {Heng Li and Xiaodong Gu and Weihao Yuan and Luwei Yang and Zilong Dong and Ping Tan},
journal= {arXiv preprint arXiv:2301.08930},
year = {2023}
}
备注
Accepted by ICLR 2023; Camera-Ready Version; The code is at poptree.github.io/DIM-SLAM