计算机科学>计算机视觉和模式识别
标题: 基于三层采样和全景表示的城市增量神经映射
摘要: 近年来,神经隐式表示因其具有表达性、连续性和紧凑性而受到机器人界的广泛关注。 然而,基于稀疏激光雷达输入的城市尺度连续隐式密集映射仍然是一个尚未探索的挑战。 为此,我们成功构建了一个由环境级和实例级建模组成的全景表示的城市级连续神经映射系统。 给定一个稀疏的LiDAR点云流,它维护一个动态生成模型,该模型将3D坐标映射到符号距离场(SDF)值。 为了解决在城市尺度空间中表达不同层次的几何信息的困难,我们提出了一种定制的三层采样策略来动态采样全局、局部和近表面域。 同时,为了实现不完全观测下实例的高保真映射,引入了类别先验来更好地建模几何细节。 我们在公共SemanticKITTI数据集上进行了评估,并使用定量和定性结果证明了新提出的三层采样策略和全景表示的重要性。 代码和型号将公开。