代码链接:https://github.com/youmi-zym/GO-SLAM 官方主页:https://youmi-zym.github.io/projects/GO-SLAM/ 这篇文章希望解决什么问题? NeRF SLAM定位精度低。 核心思想是什么? 使用BA和回环来优化位姿。 具体怎么做呢? GO-SLAM本身是基于DROID-SLAM和Instant-NGP的组合,主要工作是引入了BA和回环模块。GO-SLAM...
代码链接:https://github.com/ToniRV/NeRF-SLAM NeRF-SLAM实际是DROID-SLAM+probabilistic volumetric fusion+Instant NGP三个方案的组合,主要创新在于引入了深度和位姿的不确定性。 这篇文章希望解决什么问题? 单目稠密SLAM也好,直接进行单目深度估计也好,得到的深度图很多数值是不能用的,也很自然的不能用于三角化等...
代码链接:github.com/youmi-zym/GO 官方主页:youmi-zym.github.io/pro 3. 摘要 神经隐式表示最近在稠密同步定位与地图构建( Simultaneous Localization And Mapping,SLAM )上展示了令人信服的结果,但在重建过程中存在相机跟踪误差和畸变的积累。为此,本文提出了一种基于深度学习的稠密视觉SLAM框架GO-SLAM,对位姿进行...
9、NICE-SLAM 10、Vox-Fusion 11、NoPe-NeRF 12、RoDynRF 13、DIM-SLAM 14、Orbeez-SLAM 15、GO-SLAM 16、NICER-SLAM(未开源) 17、Co-SLAM 物体级NeRF SLAM 18、RO-MAP 19、vMAP LiDAR NeRF SLAM 20、LiDAR-NeRF 21、IR-MCL 22、NeRF-LOAM 23、LONER 5. 物体级NeRF SLAM 18、RO-MAP 标题:RO-MAP:...
代码链接:https://github.com/chenhsuanlin/bundle-adjusting-NeRF 官方主页:https://chenhsuanlin.bitbucket.io/bundle-adjusting-NeRF/ 这篇文章希望解决什么问题? 传统的NeRF训练需要非常精确的位姿,并且NeRF SLAM反向传播优化位姿时,对位姿初值很敏感,容易陷入局部最优。
NeRF-SLAM: Real-Time Dense Monocular SLAM with Neural Radiance Fields. https://arxiv.org/abs/2210.13641 + Sigma-Fusion: Probabilistic Volumetric Fusion for Dense Monocular SLAM https://arxiv.org/abs/2210.01276 - NeRF-SLAM/gui/open3d_gui.py at master
git clone https://github.com/ToniRV/NeRF-SLAM.git --recurse-submodules git submodule update --init --recursive From this point on, use a virtual environment... Install torch (seeherefor other versions): # CUDA 11.3 pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 --extra-ind...
代码链接:github.com/umautobots/L 官方主页:umautobots.github.io/lo 3. 摘要 本文提出了LONER,第一个使用神经隐式场景表示的实时激光雷达SLAM算法。现有的激光雷达隐式建图方法在大规模重建中显示出有希望的结果,但要么需要地面真实姿态,要么比实时运行慢。相比之下,LONER使用激光雷达数据训练MLP实时估计密集地图...
代码链接:github.com/eriksandstro 官方主页:notchla.github.io/Loopy 2. 摘要 神经RGBD SLAM技术已经显示出在稠密同时定位与地图构建(SLAM)中的潜力,但面临着诸如相机跟踪期间误差累积导致地图失真等挑战。作为回应,我们引入了Loopy-SLAM,它全局优化姿势和稠密的3D模型。我们使用基于数据驱动的基于点的子地图生成方法...
GO-SLAM这篇文章是ICCV 2023的最新工作,同时优化SLAM的轨迹轨迹和NeRF的稠密重建,效果非常好。笔者觉得这项工作最大的意义在于第一次在NeRF-based SLAM中引入了回环检测和全局BA,以此来消除累积误差。这项工作还没有完全开源,感兴趣的小伙伴可以跟踪一下相关的Github进展。