SiLVR：用于机器人巡检的基于神经辐射场的大规模激光雷达 - 视觉重建
机器人学
2025-02-18 v1 计算机视觉与模式识别
摘要
我们提出了一种基于神经场的大规模重建系统，该系统融合激光雷达和视觉数据，以生成具有几何精度且能捕捉照片级真实纹理的高质量重建结果。该系统采用了最先进的神经辐射场 (NeRF) 表示，并纳入激光雷达数据，从而为深度和表面法向提供了强有力的几何约束。我们利用实时激光雷达 SLAM 系统的轨迹来引导运动恢复结构 (SfM) 过程，这不仅显著减少了计算时间，还提供了对激光雷达深度损失至关重要的度量尺度。我们使用子地图技术将系统扩展至长轨迹捕获的大规模环境。我们展示了该重建系统在多种场景下的应用：包括搭载在多摄像头、激光雷达传感器套件上的足式机器人手持扫描长达 600 米的建筑场景，以及搭载在航空机器人上对多层模拟灾难现场建筑进行的勘测。网站：https://ori-drs.github.io/projects/silvr/
引用
@article{arxiv.2403.06877,
title = {SiLVR: Scalable Lidar-Visual Reconstruction with Neural Radiance Fields for Robotic Inspection},
author = {Yifu Tao and Yash Bhalgat and Lanke Frank Tarimo Fu and Matias Mattamala and Nived Chebrolu and Maurice Fallon},
journal= {arXiv preprint arXiv:2403.06877},
year = {2025}
}
备注
Accepted at ICRA 2024; Website: https://ori-drs.github.io/projects/silvr/