Loc-NeRF：基于神经辐射场的蒙特卡洛定位
机器人学
2022-09-20 v1
摘要
我们提出了 Loc-NeRF，这是一种结合蒙特卡洛定位与神经辐射场（NeRF）的实时视觉机器人定位方法。我们的系统使用预训练的 NeRF 模型作为环境地图，并能够使用 RGB 相机作为机器人上唯一的外部传感器进行实时自定位。尽管神经辐射场在计算机视觉与图形学的视觉渲染中已获得重要应用，但其在机器人领域的应用仍然有限。现有的基于 NeRF 的定位方法既需要良好的初始位姿猜测，又需要大量计算，使其无法用于实时机器人应用。通过使用蒙特卡洛定位作为核心工具，利用 NeRF 地图模型估计位姿，Loc-NeRF 能够比现有技术更快地执行定位，且不依赖初始位姿估计。除了在合成数据上进行测试外，我们还在 Clearpath Jackal UGV 采集的真实数据上运行了我们的系统，并首次展示了利用神经辐射场执行实时全局定位的能力。我们在 https://github.com/MIT-SPARK/Loc-NeRF 公开了我们的代码。
引用
@article{arxiv.2209.09050,
title = {Loc-NeRF: Monte Carlo Localization using Neural Radiance Fields},
author = {Dominic Maggio and Marcus Abate and Jingnan Shi and Courtney Mario and Luca Carlone},
journal= {arXiv preprint arXiv:2209.09050},
year = {2022}
}