我们提出了 Drone-NeRF 框架，通过使用神经辐射场（NeRF）来增强适用于无人机倾斜摄影的无界大规模场景的高效重建，将场景根据摄像机位置和深度可见性划分为均匀的子块，在 NeRF 的并行训练中训练子场景，然后合并为完整场景，通过优化相机姿态和引导 NeRF 使用均匀采样器来完善模型，集成选择的样本提高准确性，哈希编码融合 MLP 加速密度表示，生成 RGB 和深度输出，该框架解决了与场景复杂性、渲染效率和无人机获取图像准确性相关的挑战，展示了有前景的能力。

Aug, 2023

本文介绍了一种新型的优化算法 DroNeRF，用于通过少量图像实现单目相机无人机在物体周围自主定位，实现实时三维重建。文章使用 Neural Radiance Fields 或 NeRF，以只依赖于物体几何学而不使用任何外部定位系统的方式计算单个无人机的最佳姿态，并评估了生成的新视图的质量，表现出更好的感知度。

Mar, 2023

利用神经辐射场（Neural Radiance Fields）的连续体密度和 RGB 值的神经网络，以及基于射线追踪的方式生成真实照片，我们提出了一种利用机载 RGB 摄像头的算法，使机器人在 NeRF 表示的 3D 场景中导航，并通过一种优化算法避免与高密度区域的碰撞，并在线重新规划路径。

Oct, 2021

该研究论文通过详细研究神经辐射场（NeRF）在工业应用领域的潜力，并提供未来研究方向，证明了 NeRF 在工业领域的潜力。此外，论文还展示了 NeRF 在视频压缩和三维运动估计方面的实验结果，证明了它们在这些应用中的有效性。

Aug, 2023

利用 Lidar 数据改善街景下基于神经辐射场的光线追踪和视图合成技术。

May, 2024

通过将深度先验与 Neural Radiance Fields（NeRFs）相结合，我们调查了 NeRFs 在航空图像块表示不同特征的能力，并将其与公开可用的航空图像基准数据集的结果进行了比较。

Apr, 2024

从由摄像头和扫描器捕捉的 RGB 图像和激光雷达扫描序列中，使用我们的扩展方法，生成具有深度信息的 3D 表面，以及合成新颖的 RGB 图像。

Nov, 2021

使用不同的神经辐射场（NeRFs）技术，通过评估对不同环境中的植物进行（3D）重建的方法，展示了 NeRF 在详细和真实的植物建模中的潜力，并提出了增强 3D 重建过程速度和效率的实用方法。

Feb, 2024

该研究通过提出 Enhance-NeRF 模型，增强神经放射场（NeRF）在虚拟现实和增强现实等领域的三维重建应用，改进了场景识别和学习能力，有望广泛应用于照明、材质和形状的室外场景重建，具备插拔式的易用性，并能够与其他 NeRF-based 模型轻松集成。

Jun, 2023

我们的调查分为两个主要部分：Neural Radiance Field 在机器人领域的应用和 Neural Radiance Field 在机器人领域的进展，从 Neural Radiance Field 进入机器人领域的角度。在第一部分中，我们介绍和分析了一些可以在感知和交互方面在机器人领域中使用的工作。在第二部分中，我们展示了一些与改进 Neural Radiance Field 自身性质相关的工作，这对于在机器人领域中部署 Neural Radiance Field 是必不可少的。在回顾的讨论部分，我们总结了现有的挑战，并提供了一些有价值的未来研究方向供参考。

May, 2024