How NeRFs and 3D Gaussian Splatting are Reshaping SLAM: a Survey

在过去的二十年中，同时定位与地图构建（SLAM）领域的研究经历了重大的发展，突显了其在实现对未知环境的自主探索中的关键作用。这种发展从手工方法开始，经历了深度学习时代，到最近集中于神经辐射场（NeRFs）和三维高斯喷洒（3DGS）表示的发展。鉴于不断增长的研究成果和缺乏全面调查的情况，本文旨在通过辐射场领域的最新进展，提供对SLAM进展的第一次全面概述。它阐明了背景、发展历程、固有优势和局限性，并作为基础参考，突出了动态进展和特定挑战。

本论文旨在通过最新的辐射场进展，首次全面概述SLAM进展，旨在强调动态进展和特定挑战。

本论文通过介绍从手工制作方法到深度学习时代再到最近的神经辐射场（NeRFs）和3D高斯喷洒（3DGS）表示法的发展历程，全面概述了SLAM的进展。

本论文介绍了SLAM的背景、进化路径、固有优势和局限性，并作为基本参考文献，强调了动态进展和特定挑战。实验设计详细，使用了多个数据集，有开源代码。值得深入研究的工作包括NeRFs和3DGS表示法。

在这个领域中，最近的相关研究包括：《DeepMapping：深度学习SLAM的表示学习》、《基于深度神经网络的SLAM：现状和前景》、《LIO-SAM：面向低成本激光雷达的轻量级视觉惯性同步定位与建图》等。