NEWTON：面向即时大规模SLAM的视点中心神经映射
计算机视觉与模式识别
2023-03-30 v2 机器人学
摘要
基于神经场的3D表示近来已被应用于包括SLAM系统在内的诸多领域。当前的神经SLAM或在线映射系统在简单采集场景下取得了令人印象深刻的结果，但它们依赖于以世界为中心的地图表示，仅使用单一神经场模型。为定义此种世界为中心的表示，需要关于场景的准确且静态的先验信息，例如其边界与初始相机位姿。然而，在实时与即时场景采集应用中，此类先验知识不能被假定为固定或静态的，因为它会动态变化并基于运行时的观测发生显著更新。尤其在大规模映射背景下，显著的相机位姿漂移不可避免，需通过回环闭合进行校正。为克服该局限，我们提出NEWTON，一种基于运行时观测动态构建神经场的视点中心映射方法。与先前工作不同，我们的方法通过用多个神经场表示场景（每个定义于所选关键帧的局部坐标系内）来实现利用回环闭合更新相机位姿以及更新场景边界。实验结果表明，相较于现有的以世界为中心的神经场SLAM系统，我们的方法具有更优性能，尤其适用于存在相机位姿更新的大规模场景。
引用
@article{arxiv.2303.13654,
title = {NEWTON: Neural View-Centric Mapping for On-the-Fly Large-Scale SLAM},
author = {Hidenobu Matsuki and Keisuke Tateno and Michael Niemeyer and Federico Tombari},
journal= {arXiv preprint arXiv:2303.13654},
year = {2023}
}