nvblox
nvblox 將 Voxblox 的分層體素地圖移到 GPU：以雜湊表索引 8x8x8 體素區塊，並行更新 TSDF 或佔據層，定期以平行 marching cubes 產生網格；另提出以區塊內掃掠與跨區塊傳遞交替進行的增量式 GPU ESDF 演算法，採完整歐氏距離而非近似距離。支援 RGB-D 與 LiDAR，並可在嵌入式 GPU 上執行。
本頁內容
A GPU library that ports block-hashed TSDF/occupancy/ESDF/mesh mapping to the GPU, with an incremental parallel full-Euclidean ESDF, supporting RGB-D and LiDAR.
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、3D LiDAR |
|---|---|
| 原文測試平台 | handheld (Intel RealSense D455, Fig. 1)、UAV (drone LiDAR dataset from Voxgraph [6], Fig. 7)、ground robot in an office building (locomotion type not stated, Fig. 8) |
| 狀態估計 | 不適用 (poses supplied; e.g., FAST-LIO for the drone LiDAR example) |
| 資料關聯 | projective TSDF update of voxels in view (LiDAR depth images with linear interpolation) |
| 時間表示 | 不適用 |
| 去畸變 | 原文未報告 |
| 迴圈閉合 | 不適用 |
| 全域最佳化 | none |
| 地圖表示 | block-hashed voxel layers (8x8x8 voxels per block) on GPU: TSDF, ESDF, occupancy, color, mesh |
| 先驗資訊 | external poses |
| 可輸出幾何 | TSDF, ESDF, occupancy and marching-cubes mesh |
| 計算需求 | GPU: desktop (Intel i9, NVIDIA RTX 3090 Ti), laptop (Intel i7, RTX 3000 Mobile) and Jetson AGX Xavier; TSDF integration 0.4, 0.6 and 1.6 ms per frame on Replica at 5 cm (Table I); drone LiDAR integration under 7 ms per scan on the laptop and under 20 ms on the Jetson (Sec. V-E, Fig. 7) |
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 |
|---|---|---|---|---|---|
| LiDAR | Ouster OS1 (64-beam) | 資料集感測器 | drone LiDAR dataset of Voxgraph [6] | 64-beam; integrated up to 25 m | (Millane et al., 2024, Sec. V-E, Fig. 7) |
| RGB-D 相機 | Intel RealSense Depth Camera D455 | 方法輸入 | 未標示 | handheld; real-time reconstruction on an embedded GPU | (Millane et al., 2024, Fig. 1) |
| 運算硬體 | Intel i9 CPU + NVIDIA RTX 3090 Ti (Desktop) | 執行運算平台 | 未標示 | 原文未報告 beyond model | (Millane et al., 2024, Sec. V) |
| 運算硬體 | Intel i7 CPU + NVIDIA RTX 3000 Mobile (Laptop) | 執行運算平台 | 未標示 | 原文未報告 beyond model | (Millane et al., 2024, Sec. V) |
| 運算硬體 | NVIDIA Jetson AGX Xavier | 執行運算平台 | 未標示 | embedded GPU platform | (Millane et al., 2024, Sec. V) |
作者報告的優勢與限制
優勢
- Up to 177x faster TSDF integration and on average 31x faster incremental ESDF than voxblox (Tables I-II); the TSDF figure compares nvblox surface-only integration with voxblox surface plus color integration (Table I caption).
- Even at 1 cm TSDF and 2 cm ESDF resolution, nvblox was faster than voxblox at 10 cm on the Replica office0 sequence (Sec. V, Fig. 6).
- Average median ESDF error 0.06 m versus 0.07 m (voxblox) and 0.06 m (Fiesta) while being 7x faster than Fiesta (Table II).
- GPU distance queries reach 6.2 to 7.3 billion per second (correlated) on the desktop and 0.3 to 0.8 billion on the Jetson (Table III).
限制
- Evaluation focuses on runtime and ESDF accuracy for planning; surface accuracy of the mesh against an independent reference is not reported (reviewer reading of Sec. V).
- (inference) Requires an NVIDIA GPU.
- On the Cow and Lady dataset nvblox had a higher median ESDF error (0.09 m) than voxblox (0.06 m) and Fiesta (0.07 m) (Table II).
- (reviewer check) The drone LiDAR example is stated at 5 cm resolution in Sec. V-E but 10 cm in the Fig. 7 caption, also in the ICRA version.
營建工程相關證據
示範場景為辦公室建築中的地面機器人、無人機 LiDAR 資料與機械手臂，未在營建場域驗證；公分級 TSDF 可即時運算的結果對現場快速建網格有參考價值，但未證明量測精度（推論）。
原文驗證環境：公開基準、模擬、受控實驗
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 4 個比較組，合計 58 筆紀錄。
Millane et al., 2024 · Table I 本方法 30 筆
表格設定（擷取紀錄原文）：Component runtimes averaged over 8 Replica and 5 Redwood sequences at 5 cm voxels; ESDF and mesh computed every 4 frames; voxblox does not separate TSDF and color integration, so its TSDF and Color cells are empty; speed-up column not extracted (Millane et al., 2024, Table I)
ESDF component runtime (ms), computed every 4 frames，Replica · average over sequences
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。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Millane 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。
資料來源作者報告值(Millane et al., 2024, Table I)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| nvblox（Desktop: Intel i9 CPU, NVIDIA RTX 3090 Ti）本方法原文提出 | 1.9 ms | (Millane et al., 2024, Table I) |
| nvblox（Laptop: Intel i7 CPU, RTX 3000 Mobile GPU）本方法原文提出 | 3.6 ms | (Millane et al., 2024, Table I) |
| nvblox（NVIDIA Jetson AGX Xavier）本方法原文提出 | 8.4 ms | (Millane et al., 2024, Table I) |
| voxblox（Desktop: Intel i9 CPU, NVIDIA RTX 3090 Ti） | 163.2 ms | (Millane et al., 2024, Table I) |
| voxblox（Laptop: Intel i7 CPU, RTX 3000 Mobile GPU） | 291.5 ms | (Millane et al., 2024, Table I) |
| voxblox（NVIDIA Jetson AGX Xavier） | 231.6 ms | (Millane et al., 2024, Table I) |
Millane et al., 2024 · Table II 本方法 14 筆
表格設定（擷取紀錄原文）：Incremental ESDF on the Desktop platform; error is the median absolute voxel-wise difference to a voxelized ESDF ground truth computed from reconstructed voxel centres to the dataset ground-truth surface; the table cites Redwood as [3] although the caption cites [32] (Millane et al., 2024, Table II)
Median ESDF error (m)，Redwood · apartment
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。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Millane 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。
資料來源作者報告值(Millane et al., 2024, Table II)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| nvblox本方法原文提出 | 0.04 m | (Millane et al., 2024, Table II) |
| voxblox | 0.06 m | (Millane et al., 2024, Table II) |
| Fiesta | 0.05 m | (Millane et al., 2024, Table II) |
Millane et al., 2024 · Table III 本方法 12 筆
表格設定（擷取紀錄原文）：Distance query throughput on GPU averaged over several sequences; cor. = spatially correlated query points, uncor. = uncorrelated (Millane et al., 2024, Table III)
distance queries per second (10^9), cor.，Redwood · average over sequences
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。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Millane 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。
資料來源作者報告值(Millane et al., 2024, Table III)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| nvblox（Desktop: Intel i9 CPU, NVIDIA RTX 3090 Ti）本方法原文提出 | 6.2 | (Millane et al., 2024, Table III) |
| nvblox（Laptop: Intel i7 CPU, RTX 3000 Mobile GPU）本方法原文提出 | 1.7 | (Millane et al., 2024, Table III) |
| nvblox（NVIDIA Jetson AGX Xavier）本方法原文提出 | 0.8 | (Millane et al., 2024, Table III) |
Millane et al., 2024 · Text Sec. V-E 本方法 2 筆
指標LiDAR integration time per scan (less than)
資料集與序列drone LiDAR dataset of Voxgraph [6]
表格設定（擷取紀錄原文）：Drone dataset with a 64-beam Ouster OS1, FAST-LIO poses, 25 m integration range; resolution given as 5 cm in the text but 10 cm in the Fig. 7 caption (Millane et al., 2024, Text Sec. V-E)
LiDAR integration time per scan (less than)，drone LiDAR dataset of Voxgraph [6]
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。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Millane 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。
資料來源作者報告值(Millane et al., 2024, Text Sec. V-E)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| nvblox（Laptop: Intel i7 CPU, RTX 3000 Mobile GPU）本方法原文提出 | 7 ms | (Millane et al., 2024, Sec. V-E, Fig. 7) |
| nvblox（NVIDIA Jetson AGX Xavier）本方法原文提出 | 20 ms | (Millane et al., 2024, Fig. 7 caption) |
來源
Millane et al., 2024
（2024）nvblox: GPU-Accelerated Incremental Signed Distance Field Mapping2024 IEEE International Conference on Robotics and Automation (ICRA), pp. 2698-2705
DOI 10.1109/icra57147.2024.10611532arXiv 2311.00626程式碼
同儕審查已出版已讀全文近十年
相關版本
- 預印本：arXiv:2311.00626 (v1 2023-11-01, v2) https://arxiv.org/abs/2311.00626
程式碼：https://github.com/nvidia-isaac/nvblox（授權：Apache-2.0 (repository LICENSE.md)）。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。