超越NeRF-LOAM！全新动态LiDAR SLAM革新NeRF！

0. 论文信息

标题：Neural Implicit Representation for Highly Dynamic LiDAR Mapping and Odometry

作者：Qi Zhang, He Wang, Ru Li, Wenbin Li

机构：University of Bath、ShanXi University

原文链接：https://arxiv.org/abs/2409.17729

1. 摘要

同步定位和测绘(SLAM)的最新进展日益凸显了激光雷达技术的稳健性。与此同时，神经辐射场(NeRF)为3D场景重建引入了新的可能性，以SLAM系统为例。其中，NeRF-LOAM在基于NeRF的SLAM应用中表现显著。然而，尽管这些系统有其优势，但由于其固有的静态假设，它们在动态室外环境中经常遇到困难。为了解决这些限制，本文提出了一种新的方法，旨在改善高动态户外场景重建。基于NeRF-LOAM，建议的方法包括两个主要部分。首先，我们将场景分为静态背景和动态前景。通过从映射过程中识别和排除动态元素，这种分割使得能够创建仅精确表示静态背景的密集3D映射。第二个组件扩展八叉树结构以支持多分辨率表示。这种扩展不仅提高了重建质量，而且有助于去除由第一模块识别的动态对象。此外，傅里叶特征编码应用于采样点，捕捉高频信息，并导致更完整的重建结果。在各种数据集上的评估表明，与当前最先进的方法相比，我们的方法获得了更具竞争力的结果。

2. 引言

近期，神经辐射场（NeRF）已成为3D场景重建和新颖视角合成方面的强大工具，这主要得益于其能够从稀疏观测中生成复杂场景的高度详细且逼真的表示。NeRF的优势在于其能够将场景建模为连续的体素场，从而能够从多个输入图像中合成高质量的新颖视角和准确的3D重建。这一能力使得NeRF在室内外的同时定位与地图构建（SLAM）应用中展现出巨大潜力。通过捕捉复杂的场景细节并提供密集的体素表示，NeRF增强了SLAM系统，提高了空间理解和物体识别的能力。

在室内环境中，已经开发了多个基于NeRF的SLAM系统，包括iMap、NICESLAM、NeRF-SLAM、Co-SLAM、GO-SLAM