用于基于视觉的机器人的内存高效体素化可渲染神经三维空间表示

《IEEE Robotics and Automation Letters》：Memory-Efficient Voxelized Renderable Neural 3D Spatial Representation for Vision-Based Robotics

提出一种高效三维空间表示方法3DSR，结合体素化与3D高斯溅射技术，在保持图像重建质量的同时显著降低内存消耗，适用于机器人视觉应用，实验验证其有效性。

　　

摘要：

在本文中，我们提出了一种基于3D高斯拼接技术的新方法，用于实现内存高效的空间表示。由于视觉信息所需的内存较大，因此高效的空间表示在视觉领域面临着重大挑战。最近3D渲染技术（如神经辐射场（NeRF）和3D高斯拼接）的进步，促使人们探索这些技术在机器人领域的应用。然而，这类3D渲染方法通常专注于生成高质量图像，需要大量参数并产生大量数据，这并不适合机器人应用。为了解决这一挑战，我们提出了3DSR（3D Spatial Representation），这是一种高效的分块化可渲染神经3D空间表示方法，它利用了3D高斯拼接技术。3DSR结合了分块化（内存高效）和3D高斯拼接（高质量图像重建）的优点。该方法通过分块化减少了3D表示中的高斯分布数量，同时保持了视觉机器人应用所需的图像质量。实验结果表明，3DSR的重建质量超过了最佳方法的90%，而所需内存仅为其54.54%。进一步的视觉定位和导航实验进一步证实，所提出的方法非常适合应用于机器人领域。