基于多尺度神经特征场的层次化姿态估计与映射
机器人学
2024-12-31 v1
摘要
机器人应用需要对场景进行全面理解。近年来，基于神经场的方法对整个环境进行参数化变得流行。由于其连续性和学习场景先验的能力，这些方法备受推崇。然而，在处理未知传感器姿态和顺序测量时，将神经场应用于机器人技术具有挑战性。本文聚焦于大规模神经隐式 SLAM 中的传感器姿态估计问题。我们从概率角度研究隐式映射，提出层次化姿态估计方法并构建相应的神经网络架构。我们的方法适合大规模隐式地图表示。该方法在连续户外 LiDAR 扫描上实现了精确的姿态估计，同时在短程和长程轨迹中保持稳定的映射质量。我们基于结构化稀疏的隐式表示适用于大规模重建，并使用 KITTI 和 MaiCity 数据集进行评估。我们的方法在未知姿态下的映射以及实现最先进局部定位精度方面均优于基准。
引用
@article{arxiv.2412.20976,
title = {Hierarchical Pose Estimation and Mapping with Multi-Scale Neural Feature Fields},
author = {Evgenii Kruzhkov and Alena Savinykh and Sven Behnke},
journal= {arXiv preprint arXiv:2412.20976},
year = {2024}
}