剑桥大学提出高效准确的基于稀疏神经辐射场的视觉再定位框架VRS-NeRF

文章预览

“希望这一方法能够成为将NeRF应用于视觉定位任务的新基准。” （ 映维网Nweon 2024年10月25日 ）视觉再定位是虚拟现实/增强现实等领域的关键技术。经过几十年的探索，APR、SCR和HMs已经成为最流行的框架。然而，尽管APR和SCR的效率很高，但它们的精度有限，特别是在大型户外场景中。HMs是准确的，但需要存储大量的二维描述符进行匹配，导致效率较低。 针对这个问题，剑桥大学提出了一种高效、准确的基于稀疏神经辐射场的视觉再定位框架VRS-NeRF。 具体来说，团队引入了用于3D地图表示的显式几何地图EGP和用于稀疏patch绘制的隐式学习地图ILM。在定位过程中，EGP提供空闲2D点的先验信息，ILM利用稀疏点绘制具有稀疏NeRF的patch进行匹配。这允许丢弃大量的2D描述符，从而减小地图大小。 另外，仅对有用的点而不是整个图像中的所有像素渲染patch，这 ………………………………