Q-SLAM：面向单目SLAM的二次曲面表示

在本文中，我们透过二次曲面的视角重新构想体积表示。我们假定刚性场景组件可以被有效地分解为二次曲面。利用这一假设，我们用若干二次曲面平面重塑了由数百万个立方体构成的体积表示，从而在SLAM场景中实现了更精确、更高效的三维场景建模。首先，我们利用二次曲面假设来校正来自RGB输入的含噪深度估计。这一步显著提高了深度估计的准确性，并使我们能够高效地在二次曲面平面周围采样光线点，而非像先前NeRF-SLAM系统中那样在整个体积空间采样。其次，我们引入了一种新颖的二次曲面分解变换器，以聚合跨二次曲面的信息。二次曲面语义不仅被显式地用于深度校正和场景分解，还作为映射网络的隐式监督信号。通过严格的实验评估，我们的方法在性能上优于其他依赖估计深度的方法，并在合成和真实世界数据集上达到了与使用真实深度的方法相当的精度。