香港科技大学& 阿里巴巴提出神经隐式地图表示的稠密RGB SLAM

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

论文##开源代码# Dense RGB SLAM with Neural Implicit Maps

论文地址：https://arxiv.org/abs/2301.08930

作者单位：香港科技大学 阿里巴巴集团

开源代码： 在SLAM中，使用神经隐式函数进行地图表示已成为一种新趋势。一些先驱性工作在RGB-D SLAM上取得了令人鼓舞的成果。本文提出了一种具有神经隐式映射表示的稠密RGB SLAM方法。为了在没有深度输入的情况下实现这一具有挑战性的目标，我们引入了分层特征卷来方便隐式映射解码器。该设计有效地融合了不同尺度的形状线索，以促进地图重建。

我们的方法通过匹配渲染的视频帧和输入的视频帧，同时解决摄像机运动和神经隐式映射。为了便于优化，我们进一步提出了一个光度计翘曲损失在多视点立体精神，以更好地约束相机姿态和场景几何。我们在常用的基准测试上评估了我们的方法，并将其与现代RGB和RGB-D SLAM系统进行了比较。我们的方法比以往的方法取得了良好的效果，甚至超过了最近的一些RGB-D SLAM方法。

本文贡献如下：

1、我们设计了第一个具有神经隐式映射表示的稠密RGB SLAM
2、我们引入了分层特征体积以更好地评估占用，并引入了多尺度基于补丁的扭曲损失以提高仅RGB输入的系统性能
3、我们在基准数据集上取得了强大的结果，甚至超过了一些最近的RGBD方法