MoD-SLAM：面向无界三维场景重建的单目密集建图
计算机视觉与模式识别
2024-03-11 v5 机器人学
摘要
单目SLAM因其简单的RGB输入和解除复杂传感器约束而受到广泛关注。然而，现有的单目SLAM系统是为有界场景设计的，限制了SLAM系统的适用性。为解决这一限制，我们提出了MoD-SLAM，这是第一个基于NeRF的单目密集建图方法，允许在无界场景中实时进行三维重建。具体来说，我们引入了一种基于高斯分布的无界场景表示方法，以解决无边界场景的建图挑战。这一策略对于扩展SLAM应用至关重要。此外，在前端设计了一个深度估计模块，以提取准确的先验深度值来监督建图和跟踪过程。通过在跟踪过程中引入鲁棒的深度损失项，我们的SLAM系统在大规模场景中实现了更精确的位姿估计。我们在两个标准数据集上的实验表明，MoD-SLAM取得了有竞争力的性能，与现有最先进的单目SLAM系统相比，三维重建和定位的精度分别提高了30%和15%。
引用
@article{arxiv.2402.03762,
title = {MoD-SLAM: Monocular Dense Mapping for Unbounded 3D Scene Reconstruction},
author = {Heng Zhou and Zhetao Guo and Shuhong Liu and Lechen Zhang and Qihao Wang and Yuxiang Ren and Mingrui Li},
journal= {arXiv preprint arXiv:2402.03762},
year = {2024}
}