Loopy-SLAM：具有回环检测的稠密神经 SLAM
计算机视觉与模式识别
2024-06-11 v2
摘要
神经 RGBD SLAM 技术在稠密同步定位与建图（SLAM）方面展现出前景，但仍面临相机跟踪过程中误差累积导致地图失真等挑战。为此，我们推出了 Loopy-SLAM，用于全局优化位姿和稠密 3D 模型。我们采用基于数据驱动的点基子图生成方法进行帧到模型跟踪，并通过执行全局地点识别在线触发回环检测。利用鲁棒的位姿图优化对局部子图进行刚性对齐。由于我们的表示是基于点的，因此可以高效地执行地图修正，而无需像通常采用基于网格的映射结构的方法那样存储用于建图的整个输入帧历史。在合成 Replica 数据集以及真实世界的 TUM-RGBD 和 ScanNet 数据集上的评估表明，与现有的稠密神经 RGBD SLAM 方法相比，我们在跟踪、建图和渲染精度方面具有竞争力或更优的性能。项目页面：notchla.github.io/Loopy-SLAM。
引用
@article{arxiv.2402.09944,
title = {Loopy-SLAM: Dense Neural SLAM with Loop Closures},
author = {Lorenzo Liso and Erik Sandström and Vladimir Yugay and Luc Van Gool and Martin R. Oswald},
journal= {arXiv preprint arXiv:2402.09944},
year = {2024}
}