Mar, 2024

SiLVR: 大规模激光雷达视觉重建与神经辐射场用于机器人检测

PDF
TL;DR本研究提出了一种基于神经场的大规模重建系统，它利用激光雷达和视觉数据生成几何精确且具有照片级真实纹理的高质量重建，同时使用激光雷达 SLAM 系统提供深度和表面法线的强几何约束来改进传统的神经辐射场表示方法。
neural-field-based reconstruction systemlidar and vision datageometrically accurate reconstructionsphoto-realistic textureslidar slam system
发现论文，激发创造
  • DiL-NeRF：透视街景中的激光雷达神经辐射场探究

    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

  • 城市辐射场

    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

  • LiDAR-NeRF: 基于神经辐射场的全息 LiDAR 视角综合

    本文提出了一种用于 LiDAR 传感器的新型视角合成任务，并介绍了一种可微分的 LiDAR 渲染器及其结合神经辐射场的端到端框架，证明了该方法在多种数据集上的优越性。

    Apr, 2023

  • NeRF-SLAM：神经辐射场实时稠密单目 SLAM

    提出了一种新的基于几何和光学的三维地图制图方法，利用稠密单目 SLAM 和实时分层体积神经辐射场技术，通过提供估计准确的位姿和深度图的相关不确定性，实时适应神经辐射场的场景。通过采用提出的基于不确定性的深度损失，实现了良好光学和几何精度，在实时和单目成像的情况下比竞争方法更精确 (最高提高 179% 的 PSNR 和 86% 的 L1 深度)。

    Oct, 2022

  • 基于神经辐射场的工业机器人应用中的新视角合成

    本研究评估了 Neural Radiance Fields 在工业机器人应用中的潜力，并提出了一种替代 Structure from Motion 预处理的方法，通过基于机器人运动学的度量尺度确定了精确的相机姿态，表明在具有挑战性的场景中具有明显优势，并展示了在缺乏真实数据的情况下，应用集成方法估计合成新视图的质量的初步结果。

    May, 2024

  • SurfelNeRF: 神经 Surfel 辐射场用于在线照片般逼真的室内场景重建

    本文提出了 SurfelNeRF，这是一种基于神经辐射场的新型算法，将灵活可扩展的神经 Surfel 表示与 NeRF 渲染结合起来，用于高效的在线重建和高质量渲染大规模室内场景，并通过高效的可微栅格化方案实现了 10 倍的速度提升，并在 ScanNet 数据集上实现了最先进的结果。

    Apr, 2023

  • SCALAR-NeRF: 可扩展的大规模神经辐射场景重建

    SCALAR-NeRF 是一个用于大规模神经场景重建的新框架，它采用编码器 - 解码器架构，通过处理 3D 点坐标生成编码特征，并生成包括有符号距离和颜色的几何值。通过在整个图像数据集上训练一个粗略全局模型，将图像分割成较小的块，每个块采用专用的局部模型。使用本地模型的特征空间中的全局模型解码器来提升不同块之间的重叠区域。通过有效且高效地融合这些局部模型的输出，我们的方法在大规模场景重建方面优于现有的 NeRF 方法，并展示了可扩展性。

    Nov, 2023

  • NeRFusion: 大规模场景重建中径流场融合

    NeRFusion 提出了一种方法，通过将 NeRF 和 TSDF-based fusion 技术结合起来，实现了大规模室内场景的高效重建和逼真渲染，使用全新的循环神经网络来递增地重建实时稀疏场景表示，进一步提高了渲染质量，取得了大规模室内和小型物体场景的最先进质量，并比 NeRF 和其他最新方法重建速度更快。

    Mar, 2022

  • LocoNeRF：一种基于 NeRF 的局部运动结构方法用于精确定位

    提出了一种利用运动感知结构（Structure from Motion，SfM）技术，通过利用神经辐射场（Neural Radiance Fields，NeRF）技术来提高视觉定位精度的新方法，并进行了与现有方法的存储和精度比较。

    Oct, 2023

  • Drone-NeRF：大规模无人机勘测的高效 NeRF 基于的三维场景重建

    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