面向开放世界的基于NeRF的SLAM
机器人学
2023-09-12 v4
摘要
神经辐射场（NeRFs）在同时定位与地图构建（SLAM）任务的地图表示中具有通用性与鲁棒性。本文扩展了NICE-SLAM——一种近期能够生成高质量NeRF地图的SOTA基于NeRF的SLAM算法。然而，根据所用硬件的不同，生成这些地图所需的迭代次数常使NICE-SLAM运行速度低于实时。此外，其估计轨迹难以与经典SLAM方法竞争。最后，NICE-SLAM要求在运行前定义覆盖所处环境的网格，难以扩展到先前未见的场景。本文旨在通过提升鲁棒性与跟踪精度，并将地图表示泛化以处理无约束环境，使NICE-SLAM更具开放世界能力。具体通过改进测量不确定性处理、引入运动信息，以及将地图建模为具有显式前景与背景来实现。结果表明，根据可用资源不同，这些改动能将跟踪精度提升85%至97%，同时改善在视觉信息超出预定义网格环境中的建图。
引用
@article{arxiv.2301.03102,
title = {Towards Open World NeRF-Based SLAM},
author = {Daniil Lisus and Connor Holmes and Steven Waslander},
journal= {arXiv preprint arXiv:2301.03102},
year = {2023}
}
备注
Presented at Conference on Robots and Vision (CRV) 2023. 8 pages, 2 figures, 2 tables