NeB-SLAM: Neural Blocks-based Salable RGB-D SLAM for Unknown Scenes

要約

ニューラル暗黙的表現は、最近、視覚的同時位置特定およびマッピング (SLAM) の分野で大きな可能性を示しています。
これは、低いストレージ オーバーヘッドや表現の継続性など、固有の利点によるものです。
ただし、これらの方法では入力としてシーンのサイズが必要になるため、未知のシーンでは現実的ではありません。
したがって、我々は、未知のシーンのためのニューラルブロックベースのスケーラブルなRGB-D SLAMであるNeB-SLAMを提案します。
具体的には、最初に、未知のシーン全体を一連のサブマップとして表す分割統治マッピング戦略を提案します。
これらのサブマップは、固定サイズのニューラル ブロックのセットです。
次に、適応マップ成長戦略を導入して、カメラ追跡中にニューラルブロックの適応割り当てを実現し、未知のシーン全体を徐々にカバーします。
最後に、さまざまなデータセットに対する広範な評価により、未知の環境を対象とした場合のマッピングと追跡の両方において私たちの手法が競争力があることが実証されました。

要約(オリジナル)

Neural implicit representations have recently demonstrated considerable potential in the field of visual simultaneous localization and mapping (SLAM). This is due to their inherent advantages, including low storage overhead and representation continuity. However, these methods necessitate the size of the scene as input, which is impractical for unknown scenes. Consequently, we propose NeB-SLAM, a neural block-based scalable RGB-D SLAM for unknown scenes. Specifically, we first propose a divide-and-conquer mapping strategy that represents the entire unknown scene as a set of sub-maps. These sub-maps are a set of neural blocks of fixed size. Then, we introduce an adaptive map growth strategy to achieve adaptive allocation of neural blocks during camera tracking and gradually cover the whole unknown scene. Finally, extensive evaluations on various datasets demonstrate that our method is competitive in both mapping and tracking when targeting unknown environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google