DPPE：基于梯度近似的 Plenoxels 环境中的密集位姿估计
机器人学
2024-03-19 v1 计算机视觉与模式识别
摘要
我们提出了 DPPE，一种在 Plenoxels 环境中运行的密集位姿估计算法。神经辐射场技术的最新进展表明，它是环境表示的强大工具。更近期的神经渲染算法显著改善了训练时长和渲染速度。Plenoxels 引入了一种完全可微的辐射场技术，使用体素中包含的全光体积元素进行渲染，提供了更短的训练时间和更好的渲染精度，同时消除了神经网络组件。在本工作中，我们引入了针对 Plenoxels 的 6-DoF 单目纯 RGB 位姿估计流程，旨在恢复扰动后的真实相机位姿。我们采用了经典模板匹配技术的变体，使用随机梯度下降通过最小化重渲染误差来优化位姿。具体而言，我们研究了一种利用 Plenoxels 快速渲染速度的方法，使用中心差分技术对部分位姿梯度进行数值近似。我们表明此类方法在位姿估计中是有效的。最后，我们对问题空间的关键组件进行了消融实验，特别关注图像子采样和 Plenoxel 网格分辨率。项目网站：https://sites.google.com/view/dppe
引用
@article{arxiv.2403.10773,
title = {DPPE: Dense Pose Estimation in a Plenoxels Environment using Gradient Approximation},
author = {Christopher Kolios and Yeganeh Bahoo and Sajad Saeedi},
journal= {arXiv preprint arXiv:2403.10773},
year = {2024}
}
备注
8 pages, 4 figures, conference