iDF-SLAM：基于神经隐式建图与深度特征跟踪的端到端 RGB-D SLAM
机器人学
2022-09-19 v1 计算机视觉与模式识别
摘要
我们提出了一种新颖的端到端 RGB-D SLAM——iDF-SLAM，其采用基于特征的深度神经跟踪器作为前端，以及 NeRF 风格的神经隐式建图器作为后端。神经隐式建图器在线训练，而神经跟踪器虽在 ScanNet 数据集上预训练，但也随神经隐式建图器的训练一起微调。在此设计下，我们的 iDF-SLAM 能够学习使用场景特定特征进行相机跟踪，从而实现 SLAM 系统的终身学习。跟踪器与建图器的训练均为自监督，无需引入真实位姿。我们在 Replica 和 ScanNet 数据集上测试了 iDF-SLAM 的性能，并将结果与两个近期基于 NeRF 的神经 SLAM 系统进行比较。所提出的 iDF-SLAM 在场景重建方面展示了最先进的(state-of-the-art)结果，并在相机跟踪方面具有有竞争力的表现。
引用
@article{arxiv.2209.07919,
title = {iDF-SLAM: End-to-End RGB-D SLAM with Neural Implicit Mapping and Deep Feature Tracking},
author = {Yuhang Ming and Weicai Ye and Andrew Calway},
journal= {arXiv preprint arXiv:2209.07919},
year = {2022}
}
备注
7 pages, 6 figures, 3 tables