NGEL-SLAM: Neural Implicit Representation-based Global Consistent Low-Latency SLAM System

要約

ニューラル暗黙的表現は、Simultaneous Localization and Mapping (SLAM) で密なジオメトリを提供するための有望なソリューションとして浮上しています。
ただし、この方向の既存の方法は、グローバルな一貫性と低遅延の点で不十分です。
この文書では、上記の課題に取り組むための NGEL-SLAM を紹介します。
グローバルな一貫性を確保するために、当社のシステムはループ クロージャを組み込んだ従来の機能ベースの追跡モジュールを活用しています。
さらに、複数のニューラル暗黙的フィールドを使用してシーンを表現することで、グローバルな一貫性のあるマップを維持し、ループ クロージャーへの迅速な調整を可能にします。
さらに、私たちのシステムは、オクツリーベースの暗黙的表現を使用することにより、高速な収束を可能にします。
ループ閉鎖への迅速な応答と高速収束の組み合わせにより、当社のシステムはグローバルな一貫性を実現する真の低遅延システムになります。
当社のシステムは、高密度で完全な表面を抽出するとともに、高忠実度の RGB-D 画像のレンダリングを可能にします。
合成データセットと現実世界のデータセットの両方での実験は、私たちのシステムが低遅延を維持しながら最先端の追跡とマッピングの精度を達成していることを示唆しています。

要約(オリジナル)

Neural implicit representations have emerged as a promising solution for providing dense geometry in Simultaneous Localization and Mapping (SLAM). However, existing methods in this direction fall short in terms of global consistency and low latency. This paper presents NGEL-SLAM to tackle the above challenges. To ensure global consistency, our system leverages a traditional feature-based tracking module that incorporates loop closure. Additionally, we maintain a global consistent map by representing the scene using multiple neural implicit fields, enabling quick adjustment to the loop closure. Moreover, our system allows for fast convergence through the use of octree-based implicit representations. The combination of rapid response to loop closure and fast convergence makes our system a truly low-latency system that achieves global consistency. Our system enables rendering high-fidelity RGB-D images, along with extracting dense and complete surfaces. Experiments on both synthetic and real-world datasets suggest that our system achieves state-of-the-art tracking and mapping accuracy while maintaining low latency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google