针对复杂室内环境中视觉同步定位与建图(simultaneous localization and mapping,SLAM)算法在高质量三维重建中的效率问题,提出了一种高效的神经辐射场SLAM(NeRF-SLAM)算法——EN-SLAM。该算法利用多分辨率哈希网格表示场景,结合其快速...针对复杂室内环境中视觉同步定位与建图(simultaneous localization and mapping,SLAM)算法在高质量三维重建中的效率问题,提出了一种高效的神经辐射场SLAM(NeRF-SLAM)算法——EN-SLAM。该算法利用多分辨率哈希网格表示场景,结合其快速收敛特性及高频局部特征表示能力,显著提升了三维重建效率。为进一步增强未观测区域的表面连贯性及细节补全,算法引入球谐函数进行方向编码,从而保证了重建结果的一致性与细节完整性,同时提高实时性。此外,设计了一种信息引导采样策略,优先采样对重建贡献较大的光线,同时实现全局优化(BA)在所有关键帧上的高效执行。在Replica、ScanNet、TUM RGBD和Neural RGB-D数据集上的实验表明,该算法在提高建图精度、跟踪精度及渲染质量的同时,在Replica数据集上的运行时间较iMAP、NICE-SLAM、Vox-Fusion、ESLAM和Co-SLAM分别提升了98.99%、92.80%、91.97%、63.77%和19.15%,且场景重建完成率达到94.14%。展开更多
