Neural 3D Object Reconstruction with Small-Scale Unmanned Aerial Vehicles
本文提出了一种针对百克以下级无人机的新型自主系统，该系统通过采用一种用于实时轨迹自适应的闭环主动视角选择框架，以及一种基于神经辐射场的精确最终渲染流水线，实现了高保真度的三维物体重建。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象这样一个世界：那些最微小、最脆弱的物体——也许是博物馆中一件脆弱的文物，或是工厂中一个复杂的机器零件，亦或是坍塌建筑中的一个隐蔽角落——都能在无需人类接触的情况下，被以完美的三维细节进行测绘。几十年来，创建这些数字孪生的领域一直由大型、昂贵的无人机或需要专业人员移动的固定式扫描仪所占据。但随着微型无人机的兴起，一个新的前沿领域已经开启，这些微小的机器重量甚至不到一杯咖啡。这些设备可以滑入人类手部无法进入的狭窄空间，但由于它们携带的重量太轻，无法承载沉重的摄像机或强大的计算机，因此在执行复杂任务方面一直面临困难。挑战在于，如何让这些微小的飞行器变得足够聪明，能够自主进行观察、思考和移动，从而构建出一个物体的完整图像，同时还要在可能仅能维持几分钟的电池续航下完成任务。
一组研究人员现在通过教导一群重量低于100克的无人机如何自主扫描并高保真地重建静态物体，解决了这一难题。他们并没有简单地将无人机编程为绕圈飞行；相反，他们创建了一个系统，让无人机与地面站协同工作，形成一个连续的循环。当无人机飞行时，它会拍摄照片并将其发送到基站。基站会立即构建出一个代表该物体的粗略三维点云。随后，它会分析该点云，查看哪些部分模糊不清或存在缺失。如果某个区域覆盖不足，系统会立即计算出一条新的飞行路径，让无人机悬停在该特定缺口上方并拍摄更多照片。这一过程几乎是实时发生的，使得无人机能够根据实际情况即时调整其航程，确保捕捉到每一个角度的精准细节。一旦飞行完成，地面站会运行第二个更强大的处理程序，将所有数据融合在一起，形成一个极其精细的3D模型，并修正无人机运动过程中产生的任何晃动或误差。
研究人员使用被称为“Crazyfly”的现成微型无人机测试了这一系统，这些无人机几乎比一部智能手机还要轻。他们操控这些无人机围绕两个截然不同的物体飞行：一个是带有雕刻字母的小型3D打印块，另一个是较大的透明人体消化系统模型。团队使用了两种不同的方法来追踪无人机的位置：一种依赖于在房间内固定锚点之间反射的无线电信号，另一种则使用高精度摄像头系统，以毫米级的精度追踪无人机。在这两种情况下，无人机都成功捕捉到了构建模型所需的图像。结果显示，当无人机能够根据已观察到的情况调整路径时，最终的3D重建效果明显优于被迫遵循预设静态路线的情况。这种自适应方法意味着无人机会对困难部位进行更多拍摄，而对容易部位拍摄较少，从而实现了更完整、更准确的数字呈现。
其中一个最令人惊讶的发现是摄像机的类型如何影响结果。对于小型固体物体，黑白图像实际上比彩色图像产生的模型更清晰、更准确。然而，对于大型且复杂的透明消化系统模型，彩色摄像机则表现得优异得多，捕捉到了黑白传感器所遗漏的细节。这表明，扫描物体的最佳方式在很大程度上取决于物体的材质以及它如何反射光线。该研究还证明，同时使用两架无人机不仅仅是提高了速度，更从根本上提升了扫描质量，因为两台机器可以同时覆盖不同的角度，填补了单架无人机可能会遗漏的空白。
研究人员谨慎地指出，虽然他们的系统在受控的室内环境中表现出色，但它尚未成为适用于所有情况的完美解决方案。这些微型无人机对风力非常敏感，且受限于电池寿命，而用于追踪的无线电信号有时也会受到现实环境中干扰的影响。此外，该系统目前仍需要地面站来进行繁重的图像处理工作，这意味着无人机本身尚未实现完全的独立计算。尽管存在这些局限性，这项工作证明了由微型机器进行自主、高质量3D扫描的时代已经到来。通过将决定下一步观察位置的智能算法与后期清理数据的强大软件相结合，这些微型飞行器现在可以执行此前仅限于更大、更昂贵且灵活性较低的平台的任务。这为我们打开了一扇大门，让我们能够以曾经被认为是不可能的细节水平和自主程度，去数字化保存脆弱的历史、检查危险的基础设施，或探索狭窄的空间。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。