计算机科学>机器人
标题: 基于机器人中心隐式神经表示的大尺度增量密集映射
摘要: 大规模密集映射在机器人、数字双胞胎和虚拟现实中至关重要。 最近,隐式神经映射显示出显著的重建质量。 然而,由于效率低、视频内存有限以及灾难性遗忘现象,使用隐式神经表示的增量大规模映射仍然存在问题。 为了应对这些挑战,我们引入了以机器人为中心的隐式映射(RIM)技术,用于大规模增量密集映射。 该方法采用混合表示,通过多分辨率体素映射对具有隐含特征的形状进行编码,并通过浅层MLP对有符号距离场进行解码。 我们提倡使用以机器人为中心的局部映射来提高模型训练效率并抑制灾难性遗忘问题。 进一步开发了一个解耦的可缩放全局映射,以存档学习的特征以供重用,并保持恒定的视频内存消耗。 验证实验表明,与使用距离传感器的高级密集制图方法相比,我们的方法在不同尺度和场景中具有卓越的质量、效率和适应性。 我们的系统代码将在 此https URL .