NGEL-SLAM: Neural Implicit Representation-based Global Consistent Low-Latency SLAM System

神经隐式表示已成为在同时定位与地图构建（SLAM）中提供密集几何的有前途的解决方案。然而，这个方向上现有的方法在全局一致性和低延迟方面存在不足。本文提出了NGEL-SLAM来解决上述挑战。为了确保全局一致性，我们的系统利用传统的基于特征的跟踪模块来融合回环检测。此外，我们通过多个神经隐式场来表示场景，从而维护全局一致的地图，使得对回环检测的快速调整成为可能。此外，我们的系统通过使用基于八叉树的隐式表示来实现快速收敛。快速响应回环检测和快速收敛的结合使得我们的系统成为一个真正的低延迟系统，并实现全局一致性。我们的系统能够渲染高保真度的RGB-D图像，并提取出密集和完整的表面。对合成和真实数据集的实验表明，我们的系统在保持低延迟的同时实现了最先进的跟踪和地图构建精度。

NGEL-SLAM解决Simultaneous Localization and Mapping (SLAM)中全局一致性和低延迟的问题。

NGEL-SLAM通过传统的基于特征的跟踪模块和多个神经隐式场表示来实现全局一致性，并通过八叉树隐式表示实现快速收敛。

NGEL-SLAM在合成和真实数据集上实现了最先进的跟踪和映射精度，同时保持低延迟。它可以呈现高保真度的RGB-D图像，并提取密集和完整的表面。

与NGEL-SLAM相关的其他研究包括：Neural SLAM，DeepTIO，MapNet，D3VO等。