Core Concepts
최근 신경 방사 필드(NeRF)가 밀집 동시 위치 추정 및 매핑(SLAM)을 위한 3D 표현으로 널리 활용되고 있지만, 계산 집약적이고 시간 소모적인 볼륨 렌더링 파이프라인으로 인해 어려움을 겪고 있다. 본 논문에서는 일관성 있고 기하학적으로 안정적인 불확실성 인식 3D 가우시안 필드를 기반으로 하는 효율적인 밀집 RGB-D SLAM 시스템인 CG-SLAM을 제안한다.
Abstract
CG-SLAM은 일관성 있고 불확실성 인식 3D 가우시안 필드를 기반으로 하는 실시간 밀집 RGB-D SLAM 시스템이다.
가우시안 스플래팅에 대한 심층 분석을 통해 추적 및 매핑에 적합한 일관성 있고 안정적인 3D 가우시안 필드를 구축하기 위한 기술을 제안한다.
깊이 불확실성 모델을 제안하여 최적화 과정에서 유용한 가우시안 원시를 선별함으로써 추적 효율성과 정확성을 향상시킨다.
GPU 가속 렌더러를 활용한 실시간 성능을 달성하며, 다양한 데이터셋에서 우수한 추적 및 매핑 성능을 보여준다.
Stats
제안된 CG-SLAM 시스템은 최대 15Hz의 추적 속도를 달성할 수 있다.
CG-SLAM의 평균 PSNR은 33.27dB이다.
CG-SLAM의 위치 추정 정확도(ATE RMSE)는 0.27cm이다.
CG-SLAM의 재구축 정확도(Accuracy)는 1.01cm이다.