LATITUDE：城市级NeRF中基于截断动态低通滤波的机器人全局定位
计算机视觉与模式识别
2023-02-28 v2 机器人学
摘要
神经辐射场（NeRFs）在以高分辨率细节和高效内存表示复杂3D场景方面取得了巨大成功。然而，当前基于NeRF的位姿估计器没有初始位姿预测，且在优化过程中容易陷入局部最优。本文提出LATITUDE：基于截断动态低通滤波的全局定位，它在城市级NeRF中引入了两阶段定位机制。在地点识别阶段，我们通过训练好的NeRF生成的图像训练一个回归器，为全局定位提供初值。在位姿优化阶段，我们通过在切平面上直接优化位姿来最小化观测图像与渲染图像之间的残差。为避免收敛到局部最优，我们引入了截断动态低通滤波器（TDLF）以实现由粗到精的位姿配准。我们在合成数据与真实世界数据上评估了该方法，并展示了其在大规模城市场景中高精度导航的潜在应用。代码与数据将公开于 https://github.com/jike5/LATITUDE。
引用
@article{arxiv.2209.08498,
title = {LATITUDE: Robotic Global Localization with Truncated Dynamic Low-pass Filter in City-scale NeRF},
author = {Zhenxin Zhu and Yuantao Chen and Zirui Wu and Chao Hou and Yongliang Shi and Chuxuan Li and Pengfei Li and Hao Zhao and Guyue Zhou},
journal= {arXiv preprint arXiv:2209.08498},
year = {2023}
}
备注
7 pages, 6 figures, ICRA 2023