什么是SLAM?
SLAM,即同时定位与地图构建技术,SLAM可以让机器人、无人机和其他自动化系统能够在未知环境中同时进行自我定位和环境映射。
为什么是NeRF-Based SLAM?
传统CG将输入图像重新投影再融合到新的视图摄像机中,利用几何结构来进行重投影。在很多情况下,传统CG方法重建地图都能有相当好的效果,但是对于地图上的未知区域,进行三维重建恢复就有些困难了。
深度学习很早就在应用在重建方面。Volumetric 表达由Soft3D提出,随后与Volumetric ray-marching 相结合的深度学习技术出现,这是一种基于连续可微密度场的Geometry(几何)表示方法。
神经辐射场引入了Importance Sampling(重要性采样)和Positional Encoding(位置编码),使得三维重建的质量得到显著提升;同时NeRF神经渲染算法大大减少了传统三维重建中生成的伪影,在大多数情况下效果都比传统算法好。目前重建图像质量最好的是Mip-NeRF360。
此外,将SLAM技术融入到深度学习中,更容易使得所有算法能够统一