专栏名称: 泡泡机器人SLAM
SLAM的最新资讯,干货内容。
目录
相关文章推荐
51好读  ›  专栏  ›  泡泡机器人SLAM

【泡泡图灵智库】NICE-SLAM:用于SLAM的神经隐含可扩展编码

泡泡机器人SLAM  · 公众号  · 机器人  · 2023-01-16 07:30

正文

请到「今天看啥」查看全文


标题: NICE-SLAM: Neural Implicit Scalable Encoding for SLAM

作者: Zihan Zhu   Songyou Peng   Viktor Larsson     Weiwei Xu     Hujun Bao    Zhaopeng Cu     Martin R. Oswald     Marc Pollefeys

来源:CVPR2022

编译:张海晗

审核:zhh

代码: https://pengsongyou.github.io/nice-slam .

这是泡泡图灵智库推送的第813 篇文章,欢迎个人转发朋友圈;其他机构或自媒体如需转载,后台留言申请授权

大家好,今天介绍的文章是NICE-SLAM:用于SLAM的神经隐含可扩展编码


摘要

最近,神 经隐 含表征在各个 示出令人鼓舞的 果,包括在同步定位和映射( SLAM )方面取得的可喜 展。然而, 有的方法 生了 度平滑的 景重建,并且 展到大 景。 些限制主要是由于其 简单 的全 接网 络结 构,没有将局部信息 察范 。在本文中,我 提出了 NICE-SLAM 是一个密集的 SLAM ,通 引入分 景表示, 入了多 次的本地信息。用 训练 好的几何先 个表示,可以在大的室内 景中 详细 的重建。与最近的神 经隐 SLAM 相比,我 的方法更具可 展性、效率和 棒性。在五个具有挑 性的数据集上 行的 实验 表明, NICE - SLAM 在映射和跟踪 量方面都具有 争力。

Project page: https://pengsongyou.github.io/nice-slam.

主要

提出了 NICE-SLAM ,一个密集的 RGB-D SLAM ,它具有 实时 性、可 展性、 预测 性和 各种挑 景的 棒性。

NICE-SLAM 的核心是一个分 的、基于网格的神 经隐 编码 。与全局神 经场 编码 相比, 种表示法允 局部更新, 是大 模方法的一个先决条件。

在各种数据集上 行了广泛的 估, 明了在映射和跟踪方面具有 争力的性能。

主要方法

的方法将 RGB-D 像流作 为输 入,并以分 特征网格的形式 像机的姿 和学 到的 景表示。从右到左,我 的管道可以被解 释为 一个生成模型,它根据 定的 景表示和 像机姿 渲染深度和 像。在 测试时 ,我 逆向 像和深度重建 失来解决逆向 问题 ,并通 可区分的渲染器(从左到右)来估 计场 景表 像机的姿 两个 体都是在交替 化中估 的。映射:逆 播只更新 次化的 景表示。跟踪:逆 播只更新 像机的姿 了提高可 性,我 将用于几何 编码 尺度网格与同等大小的 色网格 合起来,并将它 们显 具有两个属性( 色和橙色)的一个网格。

1. 次化的 景表示

在我 一下我 的分 层场 景表示,它 合了多 网格特征和 预训练 的解 器,用于占用率 预测 。几何 形被 编码 成三个特征网格 j l θ 和它 MLP f l ,其中 l {0 1 2} 是指粗、中、 级场 细节 。此外,我 们还 有一个 一的特征网格 ψω 和解 来模 拟场 景外 θ ω 表示几何和 色的可 化参数,即网格中的特征和 色解 器中的 重。

2. 深度和色彩渲染

定相机的固有参数和当前相机的姿 ,我 可以 算出一个像素坐 察方向 r 。我 首先沿着 条射 线对 Nstrat 行分 ,同 时对 靠近深度的 Nimp 行均匀采 1 。我 们对 每条射 线总 共取 N=Nstrat+Nimp 点。更正式地 pi = o + dir, i {1, - -, N} 表示 像机原点 o 的射 线 r 上的采 点, di 对应 pi 沿 线 的深度 于每一个点 pi ,我 可以 算出它 的粗粒度占用概率 o 0 pi 粒度占用概率 opi ,和 cpi

最后, 于每条射 线 ,在粗略和精 细层 面的深度,以及 色可以被呈 现为:

3. 和跟踪

化上文提到的 景表示,我 从当前 定的关 键帧 中均匀地取 M 个像素。接下来,我 以分 段的方式 化,以最小化几何和光度 失。

几何 仅仅 观测值 预测 深度之 L1 失,在粗略的或精 的水平上 为:

光度损失为:

相机跟踪 。除了 景表示外,我 们还 平行运行 像机跟踪,以 化当前 像机姿 ,即旋 和平移 {R t} 此,我 们对 当前 中的 Mt 像素 行采 ,并 用上面相同的光度 失,但使用一个修改 的几何

修改后的 失在重建的几何形状中减少了某些区域的 重,例如物体的 边缘 像机跟踪最 被表述 以下最小化 问题:

4. 键帧 选择 与其他 SLAM

用一 组选 定的关 键帧 不断 化我 的分 层场 景表示。我 按照 iMAP 的方法 维护 一个全局关 键帧 列表,我 根据信息增益逐步添加新的关 键帧 。然而,与 iMAP 相比,我 景几何 只包括与当前 视觉 重叠的关 键帧 是可能的,因 的基于网格的表示 行局部更新,而且我 不会像 iMap 样存在关键帧消失的问题 种关 键帧选择 策略不 确保了当前 视图 之外的几何形状保持静 ,而且 还导 致了一个非常有效的 问题 ,因 每次只 化必要的参数。在 践中,我 首先随机地 像素 行采 ,并使用 化后的相机姿 势对 的深度 行反投影。然后,我 将点云投影到全局关 键帧 列表中的每个关 键帧 。从 些有点投射到的关 键帧 中,我 随机 选择 K-2 。此外,我 们还 将最近的关 键帧 和当前的 包括在 景表示 化中,形成 K 个活 动帧

主要

如果你对本文感兴趣,请点击点击 阅读原文 下载完整文章,如想查看更多文章请关注 【泡泡机器人SLAM】公众号(paopaorobot_slam)

欢迎来到泡泡论坛,这里有大牛为你解答关于SLAM的任何疑惑。

有想问的问题,或者想刷帖回答问题,泡泡论坛欢迎你!

泡泡网站:www.paopaorobot.org

泡泡论坛:http://paopaorobot.org/bbs/


泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成,希望大家珍惜我们的劳动成果,转载请务必注明出自【泡泡机器人SLAM】微信公众号,否则侵权必究!同时,我们也欢迎各位转载到自己的朋友圈,让更多的人能进入到SLAM这个领域中,让我们共同为推进中国的SLAM事业而努力!

商业合作及转载请联系[email protected]









请到「今天看啥」查看全文