Fast Global Localization on Neural Radiance Field

神经辐射场（NeRF）提出了一种新颖的场景表示方式，可以从2D图像中进行高质量的3D重建。在其显著成果之后，NeRF地图中的全局定位是实现广泛应用的关键任务。最近，Loc-NeRF提出了一种将传统的蒙特卡罗定位与NeRF相结合的定位方法，展示了将NeRF用作环境地图的有希望的结果。然而，尽管有了这些进展，Loc-NeRF仍然面临着时间密集的光线渲染过程的挑战，这在实际应用中可能成为一个重大限制。为了解决这个问题，我们引入了Fast Loc-NeRF，它利用了一种由粗到细的方法，以实现更高效和准确的基于NeRF地图的全局定位。具体而言，Fast Loc-NeRF将渲染像素和观察到的图像在多分辨率上从低到高进行匹配。因此，它加速了昂贵的粒子更新过程，同时保持了精确的定位结果。此外，为了拒绝异常粒子，我们提出了粒子拒绝加权，它通过利用NeRF的特性估计粒子的不确定性，并在粒子加权过程中考虑它们。我们的Fast Loc-NeRF在几个基准测试中取得了新的最先进的定位性能，证明了它的准确性和效率。

Fast Loc-NeRF试图解决NeRF在全局定位中射线渲染过程耗时的问题，从而提高其实用性。

Fast Loc-NeRF采用从低分辨率到高分辨率的粗细匹配方法，加速了粒子更新过程，同时通过粒子拒绝加权方法去除异常粒子，提高了定位的精度。

Fast Loc-NeRF在多个基准测试中取得了最佳的全局定位性能，论文提出的粗细匹配方法和粒子拒绝加权方法可以为其他NeRF相关研究提供参考。

近期的相关研究包括Loc-NeRF和NeRF++,分别探索了NeRF在全局定位和场景重建中的应用。