RA-NeRF：基于复杂轨迹的准确相机姿态估计的鲁棒神态辐射场重建
计算机视觉与模式识别
2025-06-25 v2
摘要
神态辐射场（NeRF）和 3D 高斯溅写（3DGS）已成为 3D 重建和 SLAM 任务中的强大工具，但其性能高度依赖于准确的相机姿态先验。现有方法通过引入外部约束来解决此问题，但在相机轨迹复杂时仍难获得令人满意的精度。本文提出一种新方法 RA-NeRF，能够在复杂相机轨迹下预测高度准确的相机姿态。RA-NeRF 遵循增量式流程，使用光度一致性重建场景，并引入基于流场的姿态调节以提升初始化和定位时的鲁棒性。此外，RA-NeRF 采用隐式姿态滤波器捕获相机运动模式，消除姿态估计中的噪声。为验证我们的方法，我们在 Tanks&Temples 数据集上进行标准评估，以及在 NeRFBuster 数据集上进行评估，后者提供了具有挑战性的相机姿态轨迹。在两个数据集上，RA-NeRF 在相机姿态估计和视觉质量方面均实现了最先进的效果，展示了其在复杂姿态轨迹下场景重建中的有效性和鲁棒性。
引用
@article{arxiv.2506.15242,
title = {RA-NeRF: Robust Neural Radiance Field Reconstruction with Accurate Camera Pose Estimation under Complex Trajectories},
author = {Qingsong Yan and Qiang Wang and Kaiyong Zhao and Jie Chen and Bo Li and Xiaowen Chu and Fei Deng},
journal= {arXiv preprint arXiv:2506.15242},
year = {2025}
}
备注
IROS 2025