CMU、MIT大学研究员使用显式体积表示来设计SLAM解决方案
卡内基梅隆大学和麻省理工学院
（映维网Nweon 2024年03月13日）在过去的三十年中，即时定位与映射（SLAM）研究广泛地围绕着映射表示的问题进行，并产生了各种稀疏，密集和神经场景表示。映射表示这项基本选择极大地影响SLAM系统中每个处理模块的设计，以及依赖于SLAM输出的下游任务。
尽管基于映射表示的系统在过去数年中已经成熟到生产水平，但它们依然有重大缺点需要解决。追踪显式表示关键依赖于丰富的3D几何特征和高帧率捕获的可用性。所述方法只能解释观测到的场景部分，但诸如混合现实和高保真3D捕捉等诸多应用都需要能够解释未观察到的/新颖的摄像头视点的技术。
handcrafted表示的缺点，加上用于高质量图像合成的亮度场表示的出现推动了一类尝试将场景编码到神经网络权重空间的方法。这种基于辐射场的SLAM算法受益于高保真的全局映射和图像重建损失，它们可通过可微分渲染捕获密集的光度信息。然而，目前的方法使用隐式神经表征来模拟体积辐射场，这在SLAM设置中导致了众多问题：计算效率低下，不容易编辑，不能明确地模拟空间几何等等。
对于卡内基梅隆大学和麻省理工学院，团队探讨的问题是：如何使用显式的体积表示来设计SLAM解决方案?
......（全文 3986 字，剩余 3534 字）
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限
