NeRF/3DGS based SLAM究竟有哪些实际的应用场景

主要观点总结

文章主要讨论了NeRF/3DGS based SLAM的实际应用场景，以及地图的增量式修改和实用性问题。

关键观点总结

关键观点1: NeRF/3DGS based SLAM的实际应用场景

文章提到NeRF和3DGS的应用场景还处于观望状态，作者讨论了地图的增量式修改问题，关注地图能否随着环境变化而更新。

关键观点2: RTAB-Map的Lifelong SLAM特性

文章指出RTAB-Map已经可以实施Lifelong SLAM，系统中的运算都可以在线完成，引入的新特性也应尽量做到在线运算。

关键观点3: 动态3DGS的代价和实用性

文章提到虽然有人在做动态3DGS，但其代价仍然较高，尚不实用。

关键观点4: TSDF的实用性

文章强调TSDF目前是最实用的地图表征方法，既可用于三维重建，又可转ESDF用于运动规划。而且性能上还有很大的优化空间，不依赖GPU实时处理超大场景也是可行的。

文章预览

点击上方“ 3DCV ”，选择“星标” 干货第一时间送达 内容来自知乎，「3DCV」整理，如有侵权请联系删除 https://www.zhihu.com/question/661494909，作者： 袁博融 NeRF/3DGS based SLAM究竟有哪些实际的应用场景？ 一直没有跟风搞NeRF和3DGS，主要是因为其实用性还要继续观望。之前在和RTAB-Map作者Mathieu Labbé讨论地图表征时，我们最关心的问题就是地图能否增量式修改。尤其是经过回环检测图优化更新，或环境变化后，怎样修改地图。RTAB-Map现在已经可以做Lifelong SLAM了，系统中的一切都运算可以在线完成。我们希望引入的任何新特性也应尽量做到在线运算。如果需要离线处理，那就打破了Simultaneous，就不配称为SLAM。虽然现在已经有人在做动态3DGS了，但代价还是太高，还不实用。目前最实用的地图表征似乎还是TSDF。TSDF既可用于三维重建，又可转ESDF用于运动规划。 ………………………………