SLAM 點雲圖鑑Point clouds for construction
M-01 · 2023

Co-SLAM

Co-SLAM 結合多解析度雜湊網格（hash grid）與 one-blob 座標編碼，兼顧收斂速度與表面連續補洞，並以隨機取樣所有關鍵影格光線進行全域光束調整。作者特別指出評估前的網格裁切（mesh culling）策略會改變重建指標，所有方法在其新裁切策略下指標都變好，顯示神經 SLAM 幾何數字高度依賴評估協定。

里程計＋局部建圖近十年已讀全文同儕審查已出版學習式、神經隱式與高斯潑濺 SLAM

閱讀版本
arXiv v1 (2304.14377v1, 27 Apr 2023; only version) including supplementary material; CVPR 2023 version of record (pp. 13293 to 13302) not compared
全文取得途徑
arXiv 預印本
本頁內容

Hash-grid plus coordinate encoding with global BA over all keyframes; authors show mesh-culling choices materially change reconstruction metrics.

技術屬性

欄位內容為文獻擷取紀錄的原文用語（英文），以原文為據；「未查證」表示本研究尚未讀到該資訊，不代表該方法不具備此能力。

感測輸入RGB-D
原文測試平台未記錄
狀態估計gradient-based per-frame tracking (constant-speed initialization) + global bundle adjustment over rays sampled from all keyframes
資料關聯direct colour and depth rendering losses + approximate SDF and smoothness losses
時間表示discrete poses
去畸變不適用
迴圈閉合none (authors suggest incorporating loop closure as future work)
全域最佳化global bundle adjustment jointly optimizing the scene representation and all keyframe poses
地圖表示multi-resolution hash grid + one-blob coordinate encoding with shallow MLPs predicting TSDF and colour
先驗資訊none (RGB-D measurements with known intrinsics)
可輸出幾何mesh via marching cubes, evaluated after mesh culling
計算需求Intel Core i7-12700K (3.60 GHz) + NVIDIA RTX 3090 Ti; 17.4 FPS on Replica, 15.6 FPS on Synthetic RGB-D, 12.8 FPS on ScanNet and 13.3 FPS on TUM with default settings; about 6.4 to 6.7 FPS with doubled tracking iterations; 0.26 M to 1.6 M parameters (Tables 1 and 2)

使用設備

原文使用的感測器、運算硬體與載具（equipment）。型號保留原文寫法，連結到設備頁中同一型號的歸併名稱；角色依原文用途分為方法輸入、資料集感測器、執行運算平台、參考或真值量測（reference or ground truth）與比較對象設備。

類別型號（原文寫法）角色資料集原文規格出處
RGB-D 相機RealSense D435i歸入：Intel RealSense D435I方法輸入未標示depth quality described as slightly worse than Azure Kinect; two self-captured indoor room sequences, qualitative only(Wang et al., 2023a, Supp. 2.2; Supp. Figs. 12 and 13)
RGB-D 相機Azure Kinect資料集感測器NICE-SLAM apartment sequenceapartment sequence captured by the NICE-SLAM authors; run with the ScanNet setting, qualitative only(Wang et al., 2023a, Supp. 2.2; Supp. Fig. 11)
運算硬體Intel Core i7-12700K執行運算平台未標示3.60 GHz desktop CPU(Wang et al., 2023a, Sec. 4.1; Sec. 4.3)
運算硬體NVIDIA RTX 3090 Ti執行運算平台未標示desktop GPU used for all timings(Wang et al., 2023a, Sec. 4.1; Sec. 4.3)
其他motion capture system (model not reported)參考或真值量測TUM RGB-Dprovides TUM RGB-D ground-truth poses(Wang et al., 2023a, Sec. 4.1)

作者報告的優勢與限制

優勢

  • Real-time (17 FPS on Replica) with high-fidelity reconstruction and plausible hole filling (abstract; Sec. 4.1)
  • Replica Acc. 2.10 cm, Comp. 2.08 cm, completion ratio 93.44% versus NICE-SLAM 2.37 cm, 2.64 cm and 91.13% under the same culling (Table 1)
  • Global BA with rays from all keyframes gives ScanNet ATE 8.75 cm (std 0.33) versus 9.69 cm (std 1.38) for local BA over 10 keyframes (Table 6)

限制

  • Relies on RGB-D input; sensitive to illumination changes and inaccurate depth (Sec. 5)
  • No loop closure (Sec. 5)
  • Reconstruction metrics depend on the mesh-culling strategy; all methods gain under the proposed culling (Sec. 4.1; Supp. 1.2)
  • Still less accurate than classic SLAM on TUM (ORB-SLAM2 1.6, 0.4 and 1.0 cm versus 2.7, 1.9 and 2.6 cm) (Table 4; Sec. 4.2)
  • Rigidly aligned ATE hides distortion: without alignment ScanNet ATE averages 18.01 cm (NICE-SLAM 23.97 cm) (Supp. 2.3, Supp. Table 3)

營建工程相關證據

論文未涉及營建場域；定量評估使用 Replica、NeuralRGBD 合成資料、ScanNet 與 TUM RGB-D，另有以 RealSense D435i 自行拍攝的兩段室內房間序列與 NICE-SLAM 以 Azure Kinect 拍攝的公寓序列，但僅作定性比較。

原文驗證環境：模擬、公開基準

報告的性能數據

以下是原文作者報告的性能數值（author-reported results），不是本研究重新量測的結果。每張圖只並列同一個比較組（comparison group，同一張表、同一組實驗設定）內的方法；不同比較組之間的數值不可直接比較，也不構成排名。

本方法共出現在 29 個比較組，合計 133 筆紀錄。以下列出本方法紀錄最多的 4 組，其餘 25 組列在最後，並連到性能比較頁。

Wang et al., 2023a · Table 1 本方法 14 筆

表格設定（擷取紀錄原文）：Averages over scenes; meshes culled with the authors' new culling strategy for all methods; TSDF-Fusion uses Co-SLAM poses; iMAP* is the NICE-SLAM re-implementation (Wang et al., 2023a, Table 1)

Depth L1 (cm)，Replica (8 synthetic scenes) · average over scenes

只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。

這些是 Wang et al., 2023a 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。

統計量：平均值（mean）；對齊方式：不適用；單位：cm；場景：synthetic indoor

資料來源作者報告值(Wang et al., 2023a, Table 1)

數值與出處
方法（原文寫法）報告值出處
TSDF-Fusion6.36 cm(Wang et al., 2023a, Table 1)
iMAP4.64 cm(Wang et al., 2023a, Table 1)
NICE-SLAM1.9 cm(Wang et al., 2023a, Table 1)
Co-SLAM (Ours)本方法原文提出1.51 cm(Wang et al., 2023a, Table 1)

Wang et al., 2023a · Table 3 本方法 14 筆

指標ATE RMSE (cm), average of 5 runs

表格設定（擷取紀錄原文）：ATE RMSE averaged over 5 runs; ground truth from BundleFusion; rigid alignment of trajectory (Supp. Sec. 2.3) (Wang et al., 2023a, Table 3)

ATE RMSE (cm), average of 5 runs，ScanNet · scene0000

只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。

這些是 Wang et al., 2023a 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。

統計量：均方根誤差（RMSE）；對齊方式：SE(3) 剛體對齊；單位：cm；場景：real indoor rooms

資料來源作者報告值(Wang et al., 2023a, Table 3)

數值與出處
方法（原文寫法）報告值出處
iMAP*55.95 cm(Wang et al., 2023a, Table 3)
NICE-SLAM8.64 cm(Wang et al., 2023a, Table 3)
Co-SLAM (Ours-dagger)本方法原文提出7.13 cm(Wang et al., 2023a, Table 3)
Co-SLAM (Ours)本方法原文提出7.18 cm(Wang et al., 2023a, Table 3)

Wang et al., 2023a · Table 2 本方法 12 筆

表格設定（擷取紀錄原文）：Run-time as ms/iter x #iter; NICE-SLAM and iMAP* map every frame on TUM, otherwise mapping every 5 frames; Ours-dagger uses twice the tracking iterations (Wang et al., 2023a, Table 2)

FPS，ScanNet · scenes used in paper

只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。

這些是 Wang et al., 2023a 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。

統計量：平均值（mean）；對齊方式：不適用；單位：Hz；場景：real-world indoor sequences (ScanNet)

資料來源作者報告值(Wang et al., 2023a, Table 2)

數值與出處
方法（原文寫法）報告值出處
iMAP*硬體：not stated for baselines (the paper names the i7-12700K + RTX 3090ti desktop only for running Co-SLAM, Sec. 4.1)0.37 Hz(Wang et al., 2023a, Table 2)
NICE-SLAM硬體：not stated for baselines (the paper names the i7-12700K + RTX 3090ti desktop only for running Co-SLAM, Sec. 4.1)0.68 Hz(Wang et al., 2023a, Table 2)
Co-SLAM (Ours-dagger)本方法原文提出硬體：Intel Core i7-12700K + NVIDIA RTX 3090 Ti6.4 Hz(Wang et al., 2023a, Table 2)
Co-SLAM (Ours)本方法原文提出硬體：Intel Core i7-12700K + NVIDIA RTX 3090 Ti12.8 Hz(Wang et al., 2023a, Table 2)

Yan et al., 2024 · Table 1 本方法 9 筆

指標ATE RMSE [cm]

表格設定（擷取紀錄原文）：Replica ATE RMSE, 8 scenes; * = reproduced with official code; methods in upper part run below 5 FPS (Yan et al., 2024, Table 1)

ATE RMSE [cm]，Replica · Rm0

只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。

這些是 Yan et al., 2024 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。

統計量：均方根誤差（RMSE）；對齊方式：原文未報告；單位：cm；場景：synthetic indoor scenes

資料來源作者報告值(Yan et al., 2024, Table 1)

數值與出處
方法（原文寫法）報告值出處
Point-SLAM [ 27 ]0.56 cm(Yan et al., 2024, Table 1)
NICE-SLAM [ 55 ]0.97 cm(Yan et al., 2024, Table 1)
Vox-Fusion ∗ [ 48 ]1.37 cm(Yan et al., 2024, Table 1)
ESLAM [ 11 ]0.71 cm(Yan et al., 2024, Table 1)
CoSLAM [ 41 ]本方法0.7 cm(Yan et al., 2024, Table 1)
Ours原文提出0.48 cm(Yan et al., 2024, Table 1)

其他比較組

列出其餘 25 個比較組

來源

  • Wang et al., 2023a

    Hengyi Wang, Jingwen Wang, Lourdes Agapito（2023）Co-SLAM: Joint Coordinate and Sparse Parametric Encodings for Neural Real-Time SLAM2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 13293-13302

    DOI 10.1109/cvpr52729.2023.01277arXiv 2304.14377程式碼

    同儕審查已出版已讀全文近十年

程式碼：https://github.com/HengyiWang/Co-SLAM（授權：Apache-2.0）。有公開程式碼不等於已被重現，也不代表目前版本與論文版本相同。

回到方法圖鑑

SLAM 點雲圖鑑

本站為綜述論文《SLAM-Based Point Clouds for Construction: A Review》研究過程的互動說明文件。互動圖為教學模擬，不代表任何特定系統的實測表現；方法描述、數值與結論以所引原始文獻為準。

內容基準日 2026-09-25 · 研究與網站製作使用 AI 輔助工具，見 證據標記與方法

選擇開啟Esc關閉