电子科技大学提出基于神经辐射场的 RO-MAP 实现实时多目标建图

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#  RO-MAP: Real-Time Multi-Object Mapping with Neural Radiance Fields

论文地址：https://arxiv.org/abs/2304.05735

作者单位：电子科技大学

开源代码：https://github.com/XiaoHanGit/RO-MAP  

对环境中物体的准确感知对于提高SLAM系统的场景理解能力至关重要。在机器人和增强现实应用中，具有语义和度量信息的对象地图显示出具有吸引力的优势。在本文中，我们提出了RO-MAP，一种新型的多目标建图方法，它不依赖于3D先验。在仅给予单目输入的情况下，我们使用神经辐射场来表示对象，并将其与基于多视图几何的轻量级对象SLAM耦合，以同时定位对象并隐式学习其密集几何。我们为每个检测到的对象创建单独的隐式模型，并在添加新观测时动态并行地训练它们。在合成数据集和真实数据集上的实验表明，我们的方法可以生成具有形状重建的语义对象映射，并且在实现实时性能(25Hz)的同时与离线方法竞争。

本文贡献如下： 

1、据我们所知，我们提出了第一个3D先验自由单目多目标建图方法，可以在场景中定位和重建对象。

2、我们提出了一个有效的对象损失函数，结合高性能CUDA实现，使系统具有实时性能。 

3、我们评估了所提方法在合成数据集和真实数据集上的有效性。此外，代码和数据集也将发布。