VIRUS-NeRF——基于视觉、红外和超声声纳射线场
星系天体物理
2024-08-14 v2
摘要
自主移动机器人日益成为现代工厂和仓库操作中不可或缺的组成部分。障碍检测、规避和路径规划是关键安全相关任务，常需依赖昂贵的LiDAR传感器和深度相机。我们提出使用成本效益高的低分辨率测距传感器（如超声波和红外时间飞行传感器），通过开发VIRUS-NeRF（Vision, InfraRed, and UltraSonic based Neural Radiance Fields）来实现。基于Instant Neural Graphics Primitives with Multiresolution Hash Encoding（Instant-NGP），VIRUS-NeRF整合了来自超声波和红外传感器的深度测量，并用于更新射线步进的占用网格。2D实验评估表明，VIRUS-NeRF在覆盖范围方面可与LiDAR点云相当。值得注意的是，在小型环境中，其精度与LiDAR测量相当，而在大型环境中，其精度受限于所使用的超声波传感器。深入的消融研究揭示，添加超声波和红外传感器在处理稀疏数据和低视角变化时效果显著。此外，VIRUS-NeRF提出的占用网格在映射能力方面提升了46%的训练速度。总体而言，VIRUS-NeRF为移动机器人领域的成本效益本地映射提供了有前景的方案，潜在可用于安全和导航任务。代码可在 https://github.com/ethz-asl/virus nerf 查阅。
关键词
引用
@article{arxiv.2403.09476,
title = {Sunyaev-Zeldovich Signals from $L^*$ Galaxies: Observations, Analytics, and Simulations},
author = {Yossi Oren and Amiel Sternberg and Christopher F. McKee and Yakov Faerman and Shy Genel},
journal= {arXiv preprint arXiv:2403.09476},
year = {2024}
}
备注
Accepted for publication in the Astrophysical Journal. 29 pages, 17 figures