评估 NeRF 重建几何精度与 SLAM 方法的对比
计算机视觉与模式识别
2024-07-29 v2 机器人学
摘要
随着神经辐射场 (NeRF) 实现技术在速度、效率和精度方面的不断提升，其在实际场景映射任务中的适用性日益广泛。传统的 3D 地图制图或场景重建依赖昂贵的激光 LiDAR 探测。 photogrammetry 能够进行基于图像的 3D 重建，但计算代价高昂，需极密的图像表示才能恢复复杂几何与光照真实感。NeRF 通过在稀疏图像和姿态数据上训练神经网络，实现 3D 场景重建，相较于 photogrammetry 在输入数据更少的情况下取得卓越的效果。本文评估了两种 NeRF 场景重建，用于估计垂直 PVC 管柱的直径。其中一种在商品 iPhone 数据上训练，另一种在机器人来源的图像和姿态数据上训练。将这种神经几何结构与最先进的激光-惯性 SLAM 方法进行比较，分析其在场景噪声和度量精度方面的表现。
引用
@article{arxiv.2407.11238,
title = {Evaluating geometric accuracy of NeRF reconstructions compared to SLAM method},
author = {Adam Korycki and Colleen Josephson and Steve McGuire},
journal= {arXiv preprint arXiv:2407.11238},
year = {2024}
}