{
  "paper_id": "d69a52cc4bb6d153b2f6313d66d19525",
  "paper_title": "SiLVR: Scalable Lidar-Visual Reconstruction with Neural Radiance Fields for Robotic Inspection",
  "paper_authors": [
    "Yifu Tao",
    "Yash Bhalgat",
    "Lanke Frank Tarimo Fu",
    "Matias Mattamala",
    "Nived Chebrolu",
    "Maurice Fallon"
  ],
  "publication_date": "",
  "publication_venue": "2024 IEEE International Conference on Robotics and Automation (ICRA)",
  "abstract": "本文提出一个基于神经场的大规模重建系统，融合激光雷达与视觉数据以生成几何精确且具有照片级真实纹理的高质量重建。该系统对最先进的神经辐射场（NeRF）表示进行改造以纳入激光雷达数据，从而对深度和表面法向施加强几何约束。我们利用实时激光雷达SLAM系统的轨迹来引导运动恢复结构（SfM）流程，既显著减少计算时间，又提供对激光深度损失至关重要的米制尺度。我们采用子图策略使系统可扩展至长轨迹采集的大规模环境。我们通过多相机、激光雷达传感器套件的数据演示该重建系统：安装在腿式机器人上、手持扫描600米建筑场景、以及搭载于空中机器人勘测多层模拟灾难建筑。",
  "keywords": [
    "神经辐射场",
    "激光雷达-视觉融合",
    "大规模三维重建",
    "SLAM",
    "子图",
    "机器人巡检",
    "新视角合成"
  ],
  "paper_institutions": [],
  "output_language": "zh",
  "provider": "doubao",
  "model": "glm-5.3",
  "prompt_template": "simple",
  "extracted_at": "2026-09-17T09:38:02.150920Z",
  "template_tag": "deep_read",
  "summary": "# SiLVR: Scalable Lidar-Visual Reconstruction with Neural Radiance Fields for Robotic Inspection\n\n\n**作者 / Authors:** Yifu Tao, Yash Bhalgat, Lanke Frank Tarimo Fu, Matias Mattamala, Nived Chebrolu, Maurice Fallon\n\n\n\n\n**输出语言 / Output Language:** zh\n\n\n\n\n\n\n## 模块 A：阅读对齐与输入校验 / Module A: Reading Alignment and Input Check\n\n## Module A：阅读对齐与输入校验\n\n### 1. 论文元数据\n\n- **标题**：SiLVR: Scalable Lidar-Visual Reconstruction with Neural Radiance Fields for Robotic Inspection\n- **作者**（姓名/单位/背景）：\n  - Yifu Tao（单位1；此前从事 lidar 概率深度补全重建 [^13]，机器人感知方向）\n  - Yash Bhalgat（单位2）\n  - Lanke Frank Tarimo Fu（单位1；相机-激光雷达可微外参标定工作 [^41] 的作者）\n  - Matias Mattamala（单位1）\n  - Nived Chebrolu（单位1）\n  - Maurice Fallon（单位1；lidar-inertial SLAM 系统 VILENS [^7] 的团队负责人）\n  - 说明：原文仅以角标 1/2 标注单位但未附图例；结合项目主页 ori-drs.github.io（Oxford Robotics Institute）与数据采集地点（牛津），单位1 高概率为牛津大学 Oxford Robotics Institute，单位2 文中未明示。\n- **发表载体**：文中未注明会议/期刊名称与年份；由 IEEE 双栏排版与引用最晚年份（2023）推断为机器人领域会议论文，具体出处待核实。\n\n### 2. 研究定位\n\n- **研究领域**：机器人感知 / 大规模 3D 重建 / 神经辐射场（NeRF）\n- **具体任务**：融合 lidar 与多相机视觉数据训练 NeRF，实现几何精确（与 lidar 相当）且具照片级纹理的稠密重建与新视角合成；借助子图（submapping）机制扩展至 600 米级长轨迹场景（Abstract；Sec. I 贡献列表；Sec. III-D）\n- **目标用户/应用场景**：巡检机器人（如 Spot 四足在工业设施）、腿式/旋翼（DJI M600 无人机）/手持多平台的建筑与城市环境扫描（Sec. I；Sec. IV-A）\n\n### 3. 输入材料清单\n\n- **PDF**：是（已提供正文：Abstract、Sec. I–V、参考文献 [^1]–[^43]）\n- **附录/补充材料**：否（未见）\n- **代码链接**：未给出仓库直链；仅有项目主页 <https://ori-drs.github.io/projects/silvr/（Abstract> 末尾）\n- **数据集链接**：未提供（自采数据：Oxford H B Allen Centre、Mathematical Institute、Fire Service College，Sec. IV-A）\n\n### 4. 缺失材料与风险\n\n- **缺失项**：附录/补充材料、开源代码直链、数据集下载链接、作者单位图例、正式发表出处\n- **可能影响**：\n  - 复现受限：损失权重与部分超参未完整给出，仅知训练配置（Nvidia RTX 3080 Ti、每次迭代 4096 rays、10000 次迭代约 5 分钟，Sec. IV-A/IV-C）\n  - 无法下载数据集做独立定量验证，只能采信 Tab. I/II 的报告数值\n  - 发表出处不明，影响版本与引用核实\n\n### 5. 阅读路线\n\n- **Step 1**：读 Abstract 与 Fig. 1/Fig. 2，把握系统流水线：Frontier 传感器（3 鱼眼相机 + IMU + 3D lidar）→ VILENS 在线 SLAM → COLMAP 位姿精化与 Sim(3) 尺度对齐 → 子图 NeRF 训练与合并\n- **Step 2**：精读 Sec. III：NeRF 场景表示（III-A）、lidar 深度与表面法向正则（III-B，式 2–3）、SLAM 先验引导的 COLMAP 位姿估计（III-C）、谱聚类子图划分与合并（III-D）\n- **Step 3**：读 Sec. IV 实验：Tab. I（Accuracy/Completeness/PSNR/SSIM）、Tab. II（位姿策略消融）、Fig. 3–6（重建质量对比、法向损失作用、子图数量影响）\n- **Step 4**：回读 Sec. I 贡献列表与 Sec. II 相关工作，厘清与 Urban Radiance Fields [^15]、Block-NeRF [^20]、Nerfacto [^3] 的差异\n- **Step 5**：按需深入式 (1)–(3) 的体渲染与损失推导，并核对 Sec. V 结论与贡献的一致性\n\n### 分类依据（archetype）\n\n- 论文自称 neural-field-based large-scale reconstruction **system**（Abstract），贡献覆盖完整工程流水线：定制传感器单元 Frontier、与 lidar SLAM 集成、COLMAP 位姿引导、子图扩展机制，以及多平台（Spot/无人机/手持）真实环境实测（Sec. I 贡献列表；Sec. IV-A），系统属性强于单一算法创新，故取 `system`。\n- 虽含方法级创新（lidar 深度/法向正则化，式 2–3），但整体以可部署的大规模重建系统为核心贡献。\n\n\n## 模块 B：第一遍鸟瞰扫描（类别/上下文/正确性/贡献/清晰度） / Module B: First Pass Overview (category, context, correctness, contribution, clarity)\n\n## Module B：第一遍通读概览\n\n### 1. 论文类型与类别\n\n- **类型**：系统类论文（archetype: `system`，与 Module A 判定一致）\n- **依据**：论文自称 “neural-field-based large-scale reconstruction system”（Abstract）；贡献覆盖完整工程链路——定制传感器单元 Frontier、与 lidar SLAM（VILENS）集成、COLMAP 位姿引导、子图扩展机制，以及 Spot/无人机/手持多平台真实环境实测（Sec. I 贡献列表；Sec. IV-A）\n- **子领域**：机器人感知 × 大规模 3D 重建 × 神经辐射场（NeRF）多传感器融合\n\n### 2. 研究背景与上下文\n\n- **应用驱动**：密集 3D 重建是工业巡检与自主导航等机器人应用的基础（Sec. I 首段）\n- **传感器互补性**（Sec. I 第 1–2 段）：\n  - 相机 + SfM/MVS：有颜色、纹理丰富，但依赖光照与多视角约束，弱纹理/重复纹理区域失效\n  - lidar：远程直接测距、几何精确，但点云稀疏且无颜色\n- **技术演进**：NeRF [^2] 以可微体渲染实现高质量新视角合成，但在少视角/弱纹理处几何欠约束（Sec. I 第 3 段）；Instant-NGP hash encoding [^4] 与 Nerfacto [^3] 将训练加速至分钟级，使机器人级部署成为可能（Sec. III-A）\n- **相关工作定位**（Sec. II）：\n  - 与 Urban Radiance Fields [^15] 同为 lidar+RGB 融合 NeRF，但本文面向机器人巡检，引入 SLAM 先验位姿与子图扩展\n  - 与 Block-NeRF [^20] 同用子图，但本文基于 Instant-NGP 表示（快数个量级），子图划分由谱聚类驱动（Sec. III-D）\n  - 与 lidar-only 神经建图 [^30][^31] 相比，本文利用视觉多视角约束，可重建 lidar 视场外区域（Sec. II-B 末段）\n\n### 3. 直觉正确性检查\n\n- **假设 1：lidar 深度/法向约束能修复弱纹理区域的几何** —— 合理。Tab. I：Maths Quad 上 Ours 3-cam Accuracy 0.08 m，Nerfacto 3-cam 为 0.76 m；HBAC 上 0.09 m vs 0.28 m；Fig. 5 显示法向损失（式 3）使地面重建明显更平滑\n- **假设 2：SLAM 先验可将 COLMAP 增量 SfM 转化为全局 BA，从而加速并全量注册** —— 合理。Tab. II：加先验后图像注册率 100%（无先验仅 54.7%–94.8%），耗时约减半（Sequential 8192 特征：7850 s → 4448 s），且 test PSNR 更高\n- **假设 3：子图划分可克服单 NeRF 表示能力与内存瓶颈** —— 合理。Fig. 6：多子图对自行车架等细长物体的重建显著优于单模型\n- **需警惕的点**：\n  - 几何增益伴随轻微渲染指标折损：Ours 的 test PSNR 略低于 Nerfacto（Maths Quad 20.5 vs 21.1 dB，Tab. I），论文以曝光差异部分解释（Sec. IV-B）\n  - 系统强依赖外部组件：VILENS SLAM [^7]、Kalibr 标定 [^40]、相机-lidar 标定 [^41]，端到端误差传递与失败模式需在后续模块核查\n  - 子图边界伪影仅靠“低表面密度区域剔除”缓解（Sec. III-D），鲁棒性证据有限\n\n### 4. 核心贡献\n\n1) **lidar-视觉融合 NeRF 重建系统**：几何精度接近 lidar（8–11 cm vs lidar-SLAM 6–8 cm），远优于纯视觉 Nerfacto（14–76 cm），同时保持照片级新视角合成（Sec. I；Sec. IV-C；Tab. I；Fig. 3）\n2) **双重几何正则**：lidar 深度损失（式 2，KL 散度形式）+ 表面法向损失（式 3，基于密度场负梯度），显著改善弱纹理平滑表面（Sec. III-B；Fig. 5）\n3) **SLAM 先验引导的位姿精化**：以 VILENS 轨迹为先验、COLMAP point triangulator 做全局 BA，再经 Sim(3) Umeyama 对齐恢复米制尺度；计算时间减半、注册率 100%（Sec. III-C；Tab. II）\n4) **可扩展子图机制**：谱聚类划分约 50×50 m 子图，支持 600 米级轨迹的大规模重建（Sec. III-D；Fig. 1；Fig. 6）\n5) **多平台真实评估**：Spot 四足、DJI M600 无人机、手持设备，覆盖牛津 HBAC、Maths Institute 与 Fire Service College 三个场景（Sec. IV-A）\n\n### 5. 清晰度评估\n\n- **结构**：标准 IEEE 会议五段式（引言/相关工作/方法/实验/结论），方法按 A–D 递进（表示→约束→位姿→扩展），逻辑链完整\n- **图表**：Fig. 2 系统总览图清晰传达流水线；Fig. 3–6 与 Tab. I/II 分别支撑几何质量、法向损失、位姿策略、子图扩展四条论断，图文对应良好\n- **公式**：式 (1)–(3) 简洁（体渲染权重、深度 KL 损失、法向 L1 损失），符号一致；但损失权重、聚类参数等超参未完整披露\n- **可读性**：写作流畅、术语规范；小瑕疵：Tab. II 表头排版错位（Time 列）、作者单位角标 1/2 无图例、训练细节（10000 次迭代、每次 4096 rays、RTX 3080 Ti）散落各处\n\n### 6. 继续或停止建议\n\n- **建议：继续深入阅读**（进入 Module D 第二遍与 Module E 第三遍）\n- **理由**：\n  1. 系统组件间接口（SLAM→COLMAP→子图→NeRF）与误差传递机制值得拆解，是理解该类系统的关键\n  2. Tab. I/II 数值与结论需核对（几何增益 vs 渲染指标折损的权衡、消融设置）\n  3. 复现所需超参与训练配置缺失，需在后续模块系统整理\n  4. 会议体量篇幅短，深入阅读成本可控、收益高\n\n### 7. 结构大纲图\n\nmarkmap\n\n# SiLVR 论文概览\n\n## I. 引言\n\n### 动机：lidar 稀疏 vs 视觉弱纹理\n\n### 四条贡献\n\n## II. 相关工作\n\n### 大规模 3D 重建（lidar / SfM / Urban RF / 子图）\n\n### 神经场表示（NeRF / 加速 / 正则 / lidar 建图）\n\n## III. 方法\n\n### A. NeRF 场景表示（Nerfacto + hash encoding + 场景收缩 + 外观编码）\n\n### B. lidar 几何约束（深度损失 式2 / 法向损失 式3 / 天空掩码）\n\n### C. SLAM 先验引导 COLMAP + Sim(3) 尺度对齐\n\n### D. 谱聚类子图与合并\n\n## IV. 实验\n\n### A. 硬件与数据集（Frontier；Spot / M600 / 手持）\n\n### B. 评价指标（Accuracy / Completeness / PSNR / SSIM）\n\n### C. 3D 重建评估（Tab. I；Fig. 3–4）\n\n### D. 法向损失消融（Fig. 5）\n\n### E. 位姿策略消融（Tab. II）\n\n### F. 子图大规模实验（Fig. 1；Fig. 6）\n\n## V. 结论\n\n\n## 模块 C1：论文试图解决什么问题？ / Module C1: What problem does the paper try to solve?\n\n## Module C1：论文要解决什么问题？\n\n### 1. 一句话问题定义\n\n论文要解决的核心问题是：如何将 lidar 与多相机视觉数据融合进神经辐射场（NeRF）表示，构建一个几何精度可比 lidar、外观具照片级纹理、并能扩展至 600 米级长轨迹大规模环境的稠密 3D 重建系统，以支撑机器人巡检任务（Abstract；Sec. I 贡献列表；Sec. III）。\n\n### 2. 痛点与现有方法缺陷\n\n- **纯视觉方法在弱纹理/无纹理区域失效**：SfM/MVS 与 NeRF 依赖良好光照与充分多视角观测，面对均匀颜色墙面、地面等场景时几何估计失败（Sec. I；Sec. III-B；Fig. 5 中 Nerfacto 无法估计均匀纹理地面深度）。\n- **lidar-only 重建稀疏且不完整**：lidar 几何精确但点云稀疏、无颜色，且受传感器视场限制，机器人探索时易产生部分重建（Sec. I；Sec. II-A；Fig. 3）。\n- **离线 COLMAP 位姿估计的两大限制**：长轨迹大图像集计算耗时长；图像间视觉重叠有限时无法将全部帧配准进同一全局地图——无先验时仅 55%–95% 图像被配准（Sec. III-C；Tab. II）。\n- **单一 NeRF 难以扩展到大场景**：单模型表示能力有限，且加载数千张图像受 RAM 等硬件约束（Sec. III-D；Fig. 6 显示单模型重建自行车架时模糊）。\n\n### 3. 形式化目标 / 优化目标\n\n- **体渲染目标**（Sec. III-A，式 1）：对像素 u 渲染颜色 $\\hat{c}_u = \\sum_{i=0}^{N} w_i c_i$，其中 $w_i=\\exp(-\\sum_{j=1}^{i-1}\\delta_j\\sigma_j)(1-\\exp(-\\delta_i\\sigma_i))$，$\\sigma_i$、$c_i$ 为采样 3D 点的预测密度与颜色。\n- **lidar 深度正则**（Sec. III-B，式 2）：$\\mathcal{L}_{\\mathrm{Depth}}=\\sum_{\\mathbf{r}\\in\\mathcal{R}}\\mathrm{KL}[\\mathcal{N}(\\mathbf{D},\\hat{\\sigma})\\,\\|\\,h(t)]$，即 lidar 深度测量 D 附近正态分布与 NeRF 渲染射线分布 h(t) 之间的 KL 散度。\n- **表面法向正则**（Sec. III-B，式 3）：$\\mathcal{L}_{\\mathrm{normal}}=\\sum_{\\mathbf{r}\\in\\mathcal{R}}\\|\\hat{N}(\\mathbf{r})-\\bar{N}(\\mathbf{r})\\|_1+\\|1-\\hat{N}(\\mathbf{r})^{\\top}\\bar{N}(\\mathbf{r})\\|_1$，其中法向取 NeRF 密度场的负梯度，$\\bar{N}$ 为 lidar 测得的法向。\n- **整体优化流程**：在光度损失基础上联合最小化上述深度与法向损失（Sec. IV-C 配置 3：photometric + depth + normal loss），配合 SLAM 先验引导的 COLMAP 位姿精化与 Sim(3) Umeyama 尺度对齐（Sec. III-C），以及谱聚类子图划分、局部坐标系训练后经 Sim(3) 变换合并（Sec. III-D）。\n\n### 4. 成功标准（指标与期望性质）\n\n- **几何质量**：Accuracy 与 Completeness（遵循 DTU 数据集约定，以 Leica BLK360 厘米级扫描为地面真值，Sec. IV-B）；期望精度接近 lidar-SLAM（6–8 cm）且远优于纯视觉 Nerfacto（14–76 cm），实测 SiLVR 达 8–11 cm（Tab. I；Fig. 3）。\n- **外观质量**：测试视角 PSNR 与 SSIM（Sec. IV-B；Tab. I），要求照片级新视角合成（Abstract；Fig. 1 底行）。\n- **系统效率与可扩展性**：位姿计算时间较离线 COLMAP 减半且实现 100% 图像配准（Tab. II）；子图机制支持 600 米级长轨迹（Fig. 1；Fig. 6）；单子图 NeRF 训练 10000 次迭代约 5 分钟（Sec. IV-C）。\n- **跨平台可部署性**：在 Spot 四足机器人、DJI M600 无人机、手持设备三类平台及真实城市/工业场景（Oxford HBAC、Maths Institute、Fire Service College）中验证（Sec. IV-A）。\n\n\n## 模块 C2：有哪些相关研究？（最强基线/最相近思路/正交方向） / Module C2: What related research exists? (strongest baseline, closest approach, orthogonal directions)\n\n## Module C2：相关工作定位分析\n\n### 1. 最强基线与比较轴（Sec. IV-C；Tab. I；Fig. 3）\n\n- **Lidar-SLAM 点云重建**\n  - Method -> core idea -> limitation：VILENS [^7]（同类：LOAM [^10]、Fast-LIO2 [^12]、Super odometry [^11]）-> 依赖扫描匹配与 IMU 的高频里程计配准 lidar 点云，直接测距带来高几何精度（Accuracy 0.05–0.08 m）-> 重建稀疏且不完整（Completeness 0.08–0.25 m），无颜色信息，受限于传感器视场，机器人探索时易产生局部缺失（Sec. II-A）\n  - 比较轴：几何 Accuracy / Completeness（遵循 DTU 数据集约定，Sec. IV-B）\n- **Nerfacto（vision-only）** [^3]\n  - Method -> core idea -> limitation：Nerfstudio 的 Nerfacto（融合 Instant-NGP hash encoding [^4] 与 MipNeRF-360 [^25] 的 scene contraction）-> 纯图像可微体渲染，数分钟级训练且渲染质量接近 SOTA -> 在无纹理、少多视角约束区域几何崩塌（Accuracy 0.14–1.38 m，如 Maths Inst. 均匀色地面、HBAC 仅前向行走的 quad 区域，Sec. IV-C；Fig. 3）\n  - 比较轴：几何 Accuracy / Completeness + 视觉 PSNR / SSIM（Tab. I）\n\n### 2. 最接近方法与关键差异\n\n- **Urban Radiance Fields（URF）** [^15]（Sec. II-A；Sec. III-A/B）\n  - Method -> core idea -> limitation：URF -> 融合 lidar 扫描与 RGB 优化 NeRF 以提取 3D 表面，并采用 per-frame appearance encoding（本文沿用）-> 面向车载城市采集，未解决位姿计算耗时与度量尺度问题，也未处理大规模子图划分与机器人多平台部署\n  - 关键差异：本文在其融合思路上增加 (1) SLAM 轨迹引导的 COLMAP 位姿精化（计算时间减半、图像注册率 100%，Tab. II）；(2) Sim(3) Umeyama 对齐提供度量尺度，使 lidar 深度损失可用（Sec. III-C）；(3) 谱聚类子图扩展至 600 m 轨迹（Sec. III-D）\n- **Block-NeRF** [^20]（Sec. II-A；Sec. III-C/D）\n  - Method -> core idea -> limitation：Block-NeRF -> 子图划分实现城市级神经视角合成，并在训练中联合精化噪声位姿 -> 基于 MLP 的表示训练慢；位姿联合精化在大规模图像集上训练不稳定、渲染偏糊（Sec. III-C 实验观察）\n  - 关键差异：本文子图基于 Instant-NGP 表示（比 MLP 快数个量级，Sec. III-D），位姿采用 SLAM 先验 + COLMAP 全局 bundle adjustment 而非训练中联合优化\n- **深度/法向正则化路线**：Depth-supervised NeRF [^5]、MonoSDF [^6]（Sec. I；Sec. II-B；式 2–3）\n  - Method -> core idea -> limitation：[^5] 以 SfM（COLMAP）深度做 KL 深度损失；[^6] 以学习的单目几何先验做法向正则 -> SfM 深度在无纹理区缺失；学习先验在真实部署中受输入分布偏移影响（Sec. I）\n  - 关键差异：本文直接使用 lidar 实测深度（式 2）与由 lidar 距离图计算的法向（式 3），在无纹理平滑表面显著改善重建质量（Fig. 5）\n- **神经隐式 lidar 建图**：SHINE-mapping [^30]、NeRF-LOAM [^31]（Sec. II-B）\n  - Method -> core idea -> limitation：隐式神经表示用于 lidar 建图 -> 比传统方法更完整、更紧凑 -> 不使用视觉数据，无法重建 lidar 视场外区域\n  - 关键差异：本文利用多相机与多视图几何约束，可补全 lidar FOV 之外区域（Sec. II-B 末）\n\n### 3. 正交方向\n\n- **显式/加速辐射场表示**：Plenoxels [^22]、PlenOctrees [^24]、3D Gaussian Splatting [^23] —— 以显式结构换取训练加速但更耗内存（Sec. II-B），与本文的传感器融合与系统扩展目标正交\n- **SDF 表面先验**：VolSDF [^28]、NeuS [^29]、Neuralangelo [^27] —— 用符号距离场强制表面输出，但新视角合成质量可能受损 [^29]；本文坚持体密度表示 + lidar 正则（Sec. II-B）\n- **训练中位姿联合精化**：Block-NeRF [^20]、Neural RGB-D [^38] —— 与本文 SLAM 先验 + COLMAP 离线精化构成替代路线（Sec. III-C）\n- **lidar-inertial SLAM 系统**（VILENS [^7]、Fast-LIO2 [^12] 等）：本文作为上游组件使用而非对比对象（Sec. IV-A）\n\n### 4. 一句话定位\n\n本文是一个面向机器人巡检的 lidar-视觉融合大规模神经场重建系统：将 lidar 深度/法向约束注入 Nerfacto 式视觉 NeRF，用 lidar-SLAM 轨迹引导位姿估计并提供度量尺度，再以谱聚类子图扩展至 600 米级轨迹（Abstract；Sec. I 贡献列表；Sec. III-C/D）。\n\n\n## 模块 C3：论文如何解决这个问题？（流程图文字版） / Module C3: How does the paper solve the problem? (include a text flowchart)\n\n## Module C3：论文如何解决问题（方法机制解析）\n\n### 1. 核心机制概述（浅层理解）\n\n论文将“大规模高保真 3D 重建”拆解为三个子难题，并分别给出对应机制（Sec. III；Fig. 2 系统总览）：\n\n- **几何不准**：纯视觉 NeRF 在弱纹理、少多视角约束区域失效（如正对均匀色墙面行进，Sec. I）→ 引入 lidar 深度与表面法向两类几何正则（Sec. III-B，式 2–3）；\n- **位姿不可靠/缺尺度**：离线 COLMAP 计算慢且无法注册全部图像，在线 SLAM 位姿略糙导致渲染模糊 → 以 VILENS [^7] 轨迹为先验引导 COLMAP 精化，再用 Sim(3) Umeyama 对齐恢复公制尺度（Sec. III-C）；\n- **单模型无法扩展到大场景**：表示能力与内存受限 → 谱聚类子图划分（约 50×50 m）、局部训练、按公制位姿合并（Sec. III-D）。\n\n整体表示基于 Nerfacto [^3]（Instant-NGP [^4] 多分辨率哈希编码 + Mip-NeRF 360 [^25] 场景收缩 + 逐帧外观嵌入应对曝光变化），实现分钟级训练（Sec. III-A；Sec. IV-A：RTX 3080 Ti、每次迭代 4096 rays、10000 次迭代约 5 分钟）。\n\n### 2. 分步拆解（中层分析）\n\n- **Step 1 多平台数据采集**：Frontier 定制感知单元（3×1.6 MP 鱼眼 Alphasense 相机 + Sevensense IMU + Hesai Pandar QT64 lidar），搭载 Spot 四足 / DJI M600 无人机 / 手持设备（Sec. IV-A）。\n- **Step 2 在线 SLAM**：VILENS 输出全局一致轨迹与运动补偿后的 lidar 点云（Sec. IV-A）。\n- **Step 3 位姿先验精化**：将 COLMAP mapper 替换为 point triangulator 读取 SLAM 先验位姿，把增量式 SfM 转化为全局 bundle adjustment；20 分钟任务耗时约为完全离线 COLMAP 的一半，且能将全部图像注册进单一地图（Sec. III-C；Tab. II：先验使注册率达 100%，无先验仅 55%–95%）。\n- **Step 4 尺度统一**：COLMAP 轨迹与 lidar-SLAM 轨迹做 Sim(3) Umeyama 对齐得到公制轨迹——这是使用 lidar 深度损失的前提（Sec. III-C 末段）。\n- **Step 5 监督信号生成**：lidar 点云投影为深度图；由距离图计算表面法向并投影为法向图；Detectron2 [^37] 生成天空掩码以降权天空射线（Sec. III-B；Sec. IV-A）。\n- **Step 6 NeRF 优化**：联合最小化光度损失 + lidar 深度 KL 损失（式 2）+ 法向 L1 损失（式 3）（Sec. III-A/III-B）。\n- **Step 7 子图划分与训练**：谱聚类 [^39] 将精化轨迹划分为局部子图，各子图在局部坐标系独立训练（Sec. III-D）。\n- **Step 8 重建提取与合并**：采样训练射线渲染颜色+深度生成 3D 点；剔除表面密度低的子图边界伪影区域；按公制位姿 Sim(3) 变换到世界系合并（Sec. III-D）。\n\n**关键设计取舍（含推理链）**：\n\n- 不采用 NeRF 联合位姿精化 [^3], [^20], [^38]：实验发现其渲染不如 COLMAP 位姿锐利、训练不稳定（Sec. III-C）；\n- lidar 法向替代学习式法向先验 [^6]：避免真实部署中的输入数据分布偏移（Sec. I）；\n- 子图而非单模型：单 NeRF 对大区域细物体表示能力不足，Fig. 6 显示多子图显著改善自行车架等细结构重建。\n\n### 3. 关键公式与模块角色（深层分析）\n\n- **体渲染**（Sec. III-A）：\n  ĉ_u = Σ_{i=0}^{N} w_i c_i，其中 w_i = exp(−Σ_{j=1}^{i−1} δ_j σ_j)·(1 − exp(−δ_i σ_i))；σ_i、c_i 为采样 3D 点的预测密度与颜色。\n  角色：可微渲染桥梁，使图像与几何损失可反传至连续场景表示。\n- **深度损失**（式 2，Sec. III-B）：\n  L_Depth = Σ_{r∈R} KL[N(D, σ̂) ‖ h(t)]。\n  角色：将渲染射线权重分布 h(t) 拉向以 lidar 深度 D 为中心的正态分布，为弱纹理区域注入公制几何约束——这是 Nerfacto 在 Maths Inst. 均匀地面失效（Accuracy 1.38 m）而本方法达 0.08 m 的直接原因（Tab. I）。\n- **法向损失**（式 3，Sec. III-B）：\n  L_normal = Σ_{r∈R} ‖N̂(r) − N̄(r)‖₁ + ‖1 − N̂(r)ᵀN̄(r)‖₁，其中 N̂ 取 NeRF 密度场的负梯度。\n  角色：仅深度损失会留下波浪状伪影，法向项进一步约束表面平滑性（Fig. 5 地面重建对比）。\n- **模块角色映射**：Frontier=数据入口；VILENS=在线轨迹与点云提供者；COLMAP-with-prior=位姿精化器（时间减半、注册率 100%）；Sim(3) Umeyama=尺度统一器；Nerfacto+lidar 正则=核心场景表示；谱聚类子图=规模化机制；低密度过滤+合并=输出整备。\n\n### 4. 流程图\n\nmermaid\nflowchart TD\n  A[\"Frontier 传感器单元<br/>3 鱼眼相机 + IMU + 3D lidar\"] --> B[\"VILENS 在线 lidar-惯性 SLAM<br/>全局一致轨迹 + 运动补偿点云\"]\n  B --> C[\"COLMAP 位姿精化<br/>SLAM 先验 + point triangulator\"]\n  C --> D[\"Sim(3) Umeyama 对齐<br/>恢复公制尺度轨迹\"]\n  B --> E[\"预处理<br/>lidar 深度图/法向图 + 天空掩码\"]\n  D --> F[\"谱聚类子图划分<br/>约 50x50 m 局部子图\"]\n  E --> G[\"子图 NeRF 训练<br/>光度损失 + 深度损失(式2) + 法向损失(式3)\"]\n  F --> G\n  G --> H[\"射线渲染生成 3D 点<br/>剔除低密度边界伪影\"]\n  H --> I[\"Sim(3) 合并至世界系<br/>最终稠密纹理 3D 重建\"]\n\n\n## 模块 C4：实验数据集与实现设置（数据集/场景、为何选择、验证哪些关键特性） / Module C4: Datasets and implementation settings (what datasets/scenarios, why chosen, what they validate)\n\n## Module C4：数据集、基准与实现/评测设置\n\n### 1. 数据集与基准清单（浅层理解）\n\n论文**未使用任何公开基准数据集**，全部为作者自采的真实世界数据（Sec. IV-A）：\n\n| 数据集 | 采集平台 | 场景与规模 | 备注 |\n|---|---|---|---|\n| Oxford Mathematical Institute（Maths Inst. / Maths Quad） | Spot 四足机器人、手持 Frontier | 城市建筑外景，含均匀纹理地面（Fig. 3、Fig. 5） | 与 HBAC 合并为大规模序列 |\n| Oxford H B Allen Centre（HBAC） | Spot 四足机器人、手持 Frontier | 建筑场景，含 quad 区域（Fig. 3、Fig. 4） | 同上 |\n| HBAC-Maths 大规模序列 | 手持 Frontier | 3254 张图像、时长 1270 s、轨迹超 600 米（Tab. II 说明；Abstract；Fig. 1） | 用于子图扩展实验（Sec. IV-F） |\n| Fire Service College（FSC） | DJI M600 无人机 | 多层模拟灾难救援训练建筑（Sec. I；Sec. IV-A） | 仅使用前视相机校正图像（左右相机拍到螺旋桨） |\n\n**传感器硬件**（Sec. IV-A）：定制感知单元 Frontier = 3 × 1.6 MP Alphasense 鱼眼彩色相机（三面布置）+ Sevensense Robotics AG IMU + Hesai Pandar QT64 3D lidar。\n\n**真值/基准**（Sec. IV-B）：Leica BLK360 测绘级激光扫描仪采集的厘米级精度点云，经 ICP 配准后作为 Accuracy/Completeness 的参考模型。\n\n### 2. 预处理与划分/覆盖设置（中层分析）\n\n**数据预处理流水线**（Sec. III-C、Sec. IV-A）：\n\n1. VILENS 在线 lidar-inertial SLAM 生成全局一致轨迹与运动校正的 lidar 点云；\n2. 以 SLAM 位姿为先验，用 COLMAP point triangulator（替代完整 mapper）离线精化位姿，将增量式 SfM 转为全局 bundle adjustment；\n3. Sim(3) Umeyama 对齐将 COLMAP 轨迹重标定为米制尺度——这是 lidar 深度损失（式 2）可用的前提（Sec. III-C）；\n4. lidar 点云投影为深度图，并由 range image 计算表面法向、投影为法向图（Sec. IV-A）；\n5. 标定：相机-IMU 用 Kalibr，相机-lidar 用可微棋盘格法；COLMAP 阶段进一步优化 Kalibr 内参；\n6. 用 Detectron2 语义分割生成天空掩码，训练时降低天空 rays 权重（Sec. III-B）。\n\n**子图划分与覆盖**（Sec. III-D）：用谱聚类将精化轨迹划分为约 50×50 m 的子图；各子图在局部坐标系训练，最终以米制位姿 Sim(3) 变换回世界系；合并时剔除表面密度低的边界区域以去除子图交界伪影。\n\n**评测点云构造**（Sec. IV-C）：\n\n- Nerfacto 与 SiLVR：从训练 rays 采样，每个子图渲染生成 1000 万点；\n- Nerfacto 额外用天空分割掩码 + 手动裁剪剔除天空点；\n- lidar-SLAM 仅保留相机 FOV 内的点（剔除朝后可能被操作员遮挡的点）；\n- 计算 Accuracy/Completeness 时，裁剪真值与 lidar 扫描之间有变化或无重叠的区域。\n\n**训练/测试划分**：Tab. I/II 报告 PSNR train 与 PSNR test，说明存在留出的测试视角；但论文未说明具体划分比例或规则（信息缺口）。\n\n### 3. 训练/推理/评测环境（中层分析）\n\n- **硬件**：单张 Nvidia RTX 3080 Ti GPU（Sec. IV-A）；\n- **训练配置**：每次迭代采样 4096 rays；主实验每个 NeRF 模型训练 10000 次迭代、约 5 分钟（Sec. IV-C）；Tab. II 位姿消融实验中模型训练 4000 次迭代（Tab. II 说明）；\n- **评测指标**（Sec. IV-B）：\n  - 几何：Accuracy（重建到真值的距离）与 Completeness（真值到重建的距离），遵循 DTU 数据集约定；\n  - 视觉：PSNR（train/test）与 SSIM（test）；PSNR/SSIM 在掩掉天空后计算（Tab. II 说明）；\n  - 配准：真值点云与 NeRF 重建均通过 ICP 变换配准到统一坐标系。\n\n### 4. 选择依据与验证目标（深层分析）\n\n- **多平台覆盖（Spot / DJI M600 / 手持）**：直接支撑“面向机器人巡检的通用重建系统”这一定位（Sec. I 贡献列表；Sec. IV-A），证明流水线不依赖特定运动模式或载体；\n- **600 米级长轨迹 + HBAC-Maths 序列**：验证子图机制的可扩展性主张（Sec. III-D；Sec. IV-F；Fig. 1、Fig. 6）——单 NeRF 模型在该规模下表示力不足（自行车架重建模糊，Fig. 6）；\n- **米制尺度对齐**：lidar 深度以米为单位，若 COLMAP 轨迹保持 up-to-scale，深度损失（式 2）将失效——这解释了为何 Sim(3) Umeyama 对齐是流水线中不可省略的一步（Sec. III-C）；\n- **测绘级真值（Leica BLK360）**：使“几何精度与 lidar 相当”的核心主张（Abstract；Sec. I）可被定量检验（Tab. I：Ours 3-cam Accuracy 0.08–0.11 m vs lidar-SLAM 0.05–0.08 m vs Nerfacto 0.14–1.38 m）；\n- **FSC 仅用前视相机**：是针对无人机平台的工程妥协（螺旋桨污染左右图像），同时与 Fig. 4、Tab. I 的 mono/3-cam 对照呼应，佐证多相机设置的必要性；\n- **曝光差异的处理与代价**：逐帧外观编码（Sec. III-A）应对光照变化，但作者承认多曝光使 test PSNR 偏低（Sec. IV-B），提示视觉指标需谨慎解读；\n- **局限与风险**：① 全部为自采数据，未在公开基准（如 DTU、ScanNet）上与已有方法直接对比，跨方法可比性受限；② 数据集与代码直链未给出（仅项目主页 ori-drs.github.io/projects/silvr/），独立复现与定量核验受限；③ 训练/测试视角划分规则、损失权重等超参未完整披露；④ Accuracy/Completeness 计算前的区域裁剪规则（“有变化或无重叠”）表述较模糊，可能影响数值可比性。\n\n\n## 模块 C5：指标与结果（指标、结果、各指标对应的创新点） / Module C5: Metrics and results (metrics, results, which innovations each metric reflects)\n\n## Module C5：评估指标与结果\n\n### 1. 评估指标（定义见 Sec. IV-B）\n\n- **Accuracy（精度，↓）**：重建表面到参考 3D 模型（ground truth）的逐点距离，衡量重建几何质量；遵循 DTU 数据集评估惯例 [^42]。\n- **Completeness（完整度，↓）**：参考模型逐点到重建结果的距离，反映重建捕获了多少真实表面。\n- **PSNR（峰值信噪比，↑）**：新视角渲染的像素级视觉质量，分 train/test 报告；作者注明各帧曝光时间不一，即使渲染达到照片级真实也会拉低 test PSNR（Sec. IV-B）。\n- **SSIM（结构相似性指数，↑）**：衡量渲染图像与参考图像的结构相似性 [^43]。\n- **Ground truth 与配准**：使用测绘级 Leica BLK360 激光扫描仪采集的厘米级精度点云；lidar 点云与 NeRF 重建均通过 ICP 所得变换配准到 ground truth；评估时裁剪两数据无重叠或发生变化的区域（Sec. IV-B/IV-C）。\n\n### 2. 主要结果（Tab. I；Accuracy/Completeness 单位：米）\n\n| 数据集 | 方法 | Acc↓ | Comp↓ | PSNR↑(train) | PSNR↑(test) | SSIM↑(test) |\n|---|---|---|---|---|---|---|\n| Maths Quad | lidar-SLAM | 0.06 | 0.15 | / | / | / |\n| Maths Quad | Nerfacto mono | 1.38 | 0.33 | 31.3 | 17.7 | 0.65 |\n| Maths Quad | Nerfacto 3-cam | 0.76 | 0.31 | 28.0 | 21.1 | 0.72 |\n| Maths Quad | Ours mono | 0.08 | 0.12 | 30.1 | 17.5 | 0.61 |\n| Maths Quad | Ours 3-cam | 0.08 | 0.11 | 27.3 | 20.5 | 0.71 |\n| Oxford HBAC | lidar-SLAM | 0.05 | 0.25 | / | / | / |\n| Oxford HBAC | Nerfacto mono | 0.49 | 5.40 | 32.6 | 19.5 | 0.65 |\n| Oxford HBAC | Nerfacto 3-cam | 0.28 | 0.40 | 29.8 | 20.6 | 0.74 |\n| Oxford HBAC | Ours mono | 0.30 | 4.60 | 31.0 | 21.2 | 0.74 |\n| Oxford HBAC | Ours 3-cam | 0.09 | 0.18 | 28.8 | 19.7 | 0.74 |\n| FSC | lidar-SLAM | 0.08 | 0.08 | / | / | / |\n| FSC | Nerfacto mono | 0.14 | 0.11 | 28.8 | 19.1 | 0.76 |\n| FSC | Ours mono | 0.11 | 0.09 | 27.7 | 19.1 | 0.75 |\n\n- **核心结论（Sec. IV-C）**：SiLVR 几何精度 8–11cm，接近 lidar-SLAM 的 6–8cm，远优于 Nerfacto 的 14–76cm；同时因利用稠密视觉信息，完整度普遍优于 lidar-SLAM（如 HBAC 3-cam：0.18 vs 0.25）。\n- **失败场景定位**：Nerfacto 在 Maths Inst. 均匀颜色地面与 HBAC 中机器人仅前向行走的 quad 区域重建失败（mono 配置 Acc 1.38、Comp 5.40 等极端值），而 SiLVR 借助 lidar 深度/法向约束保持 0.08–0.09m 精度。\n- **训练与评估效率**：Nvidia RTX 3080 Ti，每次迭代采样 4096 rays，10000 次迭代约 5 分钟（Sec. IV-A/IV-C）；每个子图从训练 rays 渲染生成 1000 万点用于几何评估（Sec. IV-C）。\n\n### 3. 与基线/代表性先前工作的比较\n\n- **Lidar-SLAM（VILENS [^7] + COLMAP 精化位姿配准点云）**：几何最准（Acc 0.05–0.08m）但点云稀疏、完整度差；SiLVR 在保持相近精度的同时显著提升完整度（Fig. 3 定性对比：误差着色由蓝 0m 至红 1m，SiLVR 更完整且几何更一致）。\n- **Nerfacto [^3]（纯视觉基线）**：test PSNR 略占优（如 Maths Quad 3-cam：21.1 vs 20.5），但几何显著更差（Acc 0.76 vs 0.08），验证了光度损失偏向输入视角渲染、几何欠约束的论断（Sec. I/IV-C，Fig. 4）。\n- **多相机 vs 单相机（Fig. 4）**：仅前向相机不仅重建不完整且几何更差（浅视角观测导致未见过视角渲染失真）；3 相机配置对无法主动环绕扫描的巡检机器人至关重要。\n- **与相关工作的定位差异（Sec. II）**：相比 Urban Radiance Fields [^15]（lidar 扫描+RGB 的城市 NeRF），本文面向多平台机器人巡检并引入约 50x50m 的子图机制；相比 Block-NeRF [^20]（MLP 表示），本文基于 Instant-NGP [^4] 哈希编码，训练快数个量级；相比纯 lidar 神经建图 [^30][^31]，本文利用多视图几何约束可重建 lidar 视场外区域。\n\n### 4. 消融、敏感性与综合分析\n\n- **位姿策略消融（Tab. II；HBAC-Maths 数据集，3254 张图像、1270s 任务时长，训练 4000 次迭代，PSNR/SSIM 掩除天空后评估）**：\n  - VILENS 在线位姿：100% 图像注册，test PSNR 17.4 / SSIM 0.64（渲染出现模糊伪影，Sec. III-C）。\n  - NeRF 联合位姿精化 [^3]：test PSNR 17.9 / SSIM 0.65，略升但渲染仍不锐利且训练过程通常不稳定（Sec. III-C）。\n  - COLMAP Sequential（1024 特征）无先验 vs 有 SLAM 先验：注册率 57.6%→100%，耗时 3299.2s→1729.9s（约减半），test PSNR 19.1→20.6，SSIM 0.71→0.74。\n  - COLMAP VocabTree（8192 特征）：无先验耗时 37067.5s、注册 94.8%；有先验 11015.3s、注册 100%、test PSNR 20.4 / SSIM 0.74。\n  - 规律总结：SLAM 先验同时带来加速、全量注册（无先验仅注册 55–95%）与更好的 test 渲染；每图特征数 1024→8192 提升注册率与视觉指标但计算时间显著增加；Sequential 匹配器通常快于 VocabTree。对 20 分钟以上任务，COLMAP-with-prior 计算时间与机器人任务时长相当（Sec. III-C）。\n- **法向损失消融（Fig. 5，式 (3)）**：仅深度损失（式 (2)）可将地面恢复到正确高度但表面仍有波浪状伪影；叠加 lidar 法向正则后平面显著更平滑，验证法向约束对光滑表面的必要性。\n- **子图数量敏感性（Fig. 6）**：整段序列用单个 NeRF 模型时，Maths Inst. 自行车架等细物体因模型表示能力有限而模糊；划分为多个子图后该局部区域重建质量显著提升。\n- **跨指标权衡**：SiLVR 的 PSNR/SSIM 与 Nerfacto 接近或略低（两者共享光度项），但几何指标（Acc/Comp）提升接近一个量级，体现系统在“几何-外观”权衡中优先保证巡检任务所需的几何精度；此外曝光差异是 test PSNR 偏低的重要混淆因素（Sec. IV-B）。\n\n\n## 模块 C6：有什么可以进一步探索的点？（理论/工程/数据/评测） / Module C6: What can be further explored? (theory/engineering/data/evaluation)\n\n## Module C6：未来可探索的方向\n\n### 1. 浅层理解：论文自身留下的改进线索\n\n- **子图边界伪影**：Sec. III-D 承认子图边界区域因观测稀疏、视角约束不足而产生 artifacts，当前仅用\"移除低表面密度区域\"的启发式过滤缓解，未给出更优合并策略。\n- **离线后处理瓶颈**：Sec. III-C 指出 COLMAP-with-prior 的计算时间\"与机器人任务时长相当\"，说明整条流水线（在线 SLAM → 离线 COLMAP 精化 → 离线 NeRF 训练，Fig. 2）仍非在线系统。\n- **评测指标不适配**：Sec. IV-B 承认图像曝光差异会拉低 test PSNR，即使渲染结果照片级真实，说明现有视觉指标对该系统不完全公平。\n- **下游价值未验证**：Sec. V 强调系统面向巡检任务，但实验（Tab. I/II）止步于 Accuracy/Completeness/PSNR/SSIM，未评估重建对实际巡检任务（缺陷检测、测量）的增益。\n\n### 2. 中层分析：三个维度的具体方向\n\n#### 2.1 理论方向\n\n1. **不确定性感知的传感器融合损失**：当前深度损失（式 2，Sec. III-B）将 lidar 深度视为以 D 为均值、固定方差的正态分布与渲染射线分布 h(t) 做 KL 散度约束。可探索引入随距离/入射角变化的 lidar 噪声模型，并与 NeRF 渲射深度的分布不确定性联合建模，形成概率上更严谨的多传感器融合框架。\n2. **密度场 vs. SDF 表示的几何-外观权衡理论**：Sec. II-B 指出 SDF 类表示会牺牲新视角合成质量 [^29]，故本文选择体积密度表示加深度/法向正则（式 2–3）。可研究：在何种多视角覆盖度与纹理条件下，密度场+lidar 正则能收敛到与 SDF 一致的表面？法向损失（式 3）中密度负梯度与真实表面法向的一致性条件是什么？\n3. **子图划分的定量理论**：Sec. III-D 用 Spectral Clustering [^39] 将轨迹划分为约 50x50m 的子图（Sec. II-A），Fig. 6 仅定性显示更多子图改善薄物体（自行车架）重建。可建立子图粒度—表示能力—训练稳定性之间的定量关系模型，指导自适应划分。\n\n#### 2.2 工程方向\n\n1. **在线/增量式重建**：若 SLAM 回环修正改变轨迹（Sec. III-C 依赖 VILENS [^7] 全局一致轨迹），已训练子图需重训。可探索回环感知的增量 NeRF 更新机制，或将 COLMAP-with-prior（将增量 SfM 转为全局 bundle adjustment，Sec. III-C）进一步加速至准在线水平。\n2. **子图合并与边界伪影消除**：将\"低表面密度过滤\"（Sec. III-D）替换为子图重叠区联合微调或基于置信度的加权融合，避免丢弃边界信息。\n3. **替代表示与实时渲染**：Sec. II-B 提到 3D Gaussian Splatting [^23] 训练快但内存开销高；将其与 lidar 几何约束结合，有望实现巡检现场的实时照片级渲染与即时质量检查。\n4. **动态场景与语义扩展**：系统假设静态场景；论文已用 Detectron2 [^37] 做天空掩码（Sec. III-B），可扩展至动态物体（人员/车辆）过滤与语义资产标注，贴合工业巡检需求。\n\n#### 2.3 数据/评测方向\n\n1. **公开基准数据集**：论文自采数据（Oxford H B Allen Centre、Maths Institute、Fire Service College，Sec. IV-A）未公开，地面真值依赖 Leica BLK360（Sec. IV-B）。构建涵盖多平台（Spot/无人机/手持）、600 米级长轨迹、多光照条件的 lidar-visual NeRF 公开基准，将大幅提升领域可比性。\n2. **更鲁棒的视觉质量指标**：针对曝光差异问题（Sec. IV-B），可引入曝光不变指标（如 LPIPS）或先做曝光对齐再评测；并单独报告子图边界区域指标，量化合并质量。\n3. **下游任务端到端评测**：验证\"几何精度 8–11cm、接近 lidar-SLAM 的 6–8cm\"（Tab. I）是否满足裂缝检测、尺寸测量、变化检测等巡检需求，而非以几何/视觉指标为终点。\n4. **恶劣条件泛化测试**：Sec. I 指出纯视觉方法依赖光照；现有采集均在良好条件下进行，应测试夜间、雨雾、反光/非朗伯表面等场景，检验 lidar 约束在视觉退化时的补偿上限。\n\n### 3. 深层分析：优先级与相互依赖\n\n- **短期（工程收益最高）**：子图合并改进与在线化——直接对应论文承认的边界伪影（Sec. III-D）与离线瓶颈（Sec. III-C），不依赖新理论即可推进。\n- **中期（理论+工程耦合）**：不确定性感知融合——需先完成理论建模（lidar 噪声、渲染深度分布），再落地为式 (2) 的推广；其副产品（逐点置信度）可反哺子图置信度加权合并。\n- **长期（生态建设）**：公开基准与下游任务评测——单篇论文难以完成，但决定该方向能否从多平台演示系统（Sec. IV-A）走向可复现、可比较的研究领域。\n- 三个方向相互依赖：数据/评测基准是验证理论改进的前提；工程在线化则依赖子图划分理论的成熟；理论上的不确定性建模可同时服务于损失设计（式 2–3）与合并策略，是贯穿性最强的方向。\n\n\n## 模块 C7：现实场景如何体现/实现？（部署约束、算力、延迟、鲁棒性） / Module C7: How would this work in real-world scenarios? (deployment constraints, compute, latency, robustness)\n\n## Module C7：真实世界落地形态分析（部署约束 / 计算与延迟 / 鲁棒性与安全 / 可维护性）\n\n### 1. 浅层：系统在真实使用中的整体形态\n\n- **典型使用流程**（Sec. III；Fig. 2）：机器人（Spot 四足 / DJI M600 无人机 / 手持）搭载定制感知单元 Frontier（3×1.6 MP 鱼眼相机 + IMU + Hesai Pandar QT64 激光雷达，Sec. IV-A）采集数据 → VILENS 在线 lidar-inertial SLAM 输出全局一致轨迹与运动校正点云（Sec. IV-A）→ 离线用 COLMAP 以 SLAM 位姿为先验做全局 BA 精化，并用 Sim(3) Umeyama 对齐恢复度量尺度（Sec. III-C）→ 谱聚类将轨迹划分为约 50×50m 的子图（Sec. II-A/III-D）→ 每个子图独立训练 NeRF（10000 次迭代约 5 分钟，Nvidia RTX 3080 Ti，每次迭代 4096 rays，Sec. IV-A/IV-C）→ 各子图按度量位姿 Sim(3) 变换回世界系合并，并剔除低表面密度的边界区域（Sec. III-D）。\n- **定位判断**：这是一个“任务后离线重建”系统，而非实时重建系统——在线阶段只有 SLAM 在跑，NeRF 训练与 COLMAP 精化均在任务结束后进行（Sec. III-C 明言 COLMAP 计算时间“与机器人任务时长相当”，使其适用于机器人工作流）。\n\n### 2. 中层：部署约束\n\n- **硬件与标定依赖**：需要多相机+lidar+IMU 的定制传感器单元；标定链路包括 Kalibr 相机-IMU 外参、可微棋盘格法相机-lidar 外参 [^41]，且 COLMAP 阶段还会进一步优化内参（Sec. IV-A）。标定误差会直接传导为 lidar 深度损失（式 2）的系统性偏差。\n- **平台集成限制**：无人机平台上左右相机拍到螺旋桨，FSC 数据集只能使用前视相机图像（Sec. IV-A）——真实部署必须考虑平台自遮挡对环视覆盖的破坏。\n- **视角覆盖约束**：巡检机器人不可能为改善视觉重建而执行绕物体的 object-centric 轨迹（Sec. I），因此三相机环视配置是刚需；Fig. 4 显示仅用前视相机不仅重建不完整，且从非输入视角渲染时几何明显变差。\n- **环境条件**：视觉部分仍依赖光照与纹理（由 lidar 补偿无纹理区域，Sec. III-B）；天空区域需运行语义分割网络（Detectron2 [^37]）生成掩膜以抑制天空射线（Sec. III-B）；论文未处理动态物体与行人。\n- **规模约束**：单个 NeRF 表示能力有限，且一次性加载数千张图像受 RAM 限制，是子图划分的直接动因（Sec. III-D）；已验证规模为 600 米级轨迹、8 个子图（Abstract；Fig. 1）。\n\n### 3. 中层：计算与延迟影响\n\n- **在线部分**：VILENS 实时输出位姿（Tab. II 中标注 Online），满足机器人在线定位需求。\n- **离线位姿精化（主要瓶颈之一）**：以 SLAM 先验将增量 SfM 转化为全局 BA 问题，20 分钟以上的任务计算时间减半（Sec. III-C）。Tab. II（3254 张图、任务时长 1270s）给出量化对比：1024 特征+先验 1052.5s vs 无先验 4444.8s；8192 特征+先验（Sequential）4448.4s vs 无先验 7850.0s；VocabTree 匹配器 8192 特征无先验高达 37067.5s，加先验降至 11015.3s。即先验位姿把小时级计算压到十几分钟到一小时级。\n- **NeRF 训练**：每子图 10000 迭代约 5 分钟（RTX 3080 Ti，Sec. IV-A/IV-C），得益于 Instant-NGP hash encoding [^4]；大规模场景总训练时长随子图数（如 Fig. 1 的 8 个子图）近似线性增长，但子图相互独立、天然可并行/多卡分发。\n- **渲染实时性未验证**：论文未报告渲染 FPS；巡检人员交互式查看模型时的流畅度取决于部署端 GPU，属于未量化风险。\n\n### 4. 中层：鲁棒性与安全问题\n\n- **位姿质量是首要风险链**：直接用在线 SLAM 位姿 → 渲染模糊；NeRF 联合位姿精化 [^3] → 训练常不稳定、渲染仍偏软（Sec. III-C）；完全不用先验的 COLMAP 在大场景下仅能配准 55%–95% 的图像（Tab. II），意味着局部地图可能整体缺失。SLAM 先验+COLMAP 精化是系统可靠工作的关键设计（Sec. III-C）。\n- **无纹理表面**：纯视觉 Nerfacto 几何崩坏（Tab. I：Maths Quad Nerfacto mono Accuracy 1.38m；HBAC Nerfacto mono Completeness 5.40m）；lidar 深度损失（式 2）保证表面高度正确，但仍出现波浪状伪影，需法向损失（式 3）进一步平滑（Fig. 5；Sec. IV-D）。最终 SiLVR 精度 8–11cm，接近 lidar-SLAM 的 6–8cm（Tab. I）。\n- **子图边界伪影**：边界区域观测稀疏、视角约束少，合并时按“低表面密度”启发式剔除（Sec. III-D）——该策略可能误删真实但观测稀少的表面，需人工质检。\n- **曝光/光照变化**：逐帧 appearance embedding 缓解（Sec. III-A）；但曝光差异会压低测试 PSNR，即使渲染照片级真实（Sec. IV-B），说明视觉质量指标需谨慎解读。\n- **安全边界**：本系统定位是高保真建图/资产生成，而非在线避障——8–11cm 的重建精度不足以直接充当安全级导航地图；实时安全层应由在线 lidar-inertial SLAM 承担。无人机螺旋桨入镜（Sec. IV-A）也提示采集阶段的安全/配置检查不可省略。\n\n### 5. 深层：可维护性与工程化评估\n\n- **模块化程度高**：SLAM（VILENS [^7]）、位姿精化（COLMAP point triangulator 读入先验位姿，Sec. III-C）、NeRF（Nerfstudio/Nerfacto [^3]）、天空分割（Detectron2 [^37]）均为独立成熟组件，可分别替换升级（例如换用 3D Gaussian Splatting [^23] 加速渲染）。\n- **依赖链长、人工介入点多**：标定 → SLAM → COLMAP → 谱聚类 → 子图训练 → 合并去伪影，任一环节失败（尤其 COLMAP 配准失败、子图边界伪影）需人工排查；合并阶段的密度剔除阈值、损失权重等超参论文未完整公开（Module A 已列为复现风险）。\n- **复现与维护现状**：仅有项目主页 <https://ori-drs.github.io/projects/silvr/（Abstract> 末尾），无代码与数据集直链；二次开发需自行调参。Frontier 为定制硬件，多相机外参在振动/温漂下需定期重标定（机器人平台常见维护成本）。\n- **扩展性**：子图并行训练天然适配多 GPU/分布式；SLAM 先验使 COLMAP 可扩展到更长任务（Sec. III-C），是系统可持续支撑大规模巡检的核心机制。\n\n### 6. 落地结论\n\n- **适合场景**：任务后高保真三维资产生成——建筑与城市环境扫描、工业设施巡检、灾后建筑评估（FSC 多层模拟灾难现场，Sec. IV-A），需要几何精确（lidar 级）+ 照片级纹理的应用如 VR 与 3D 资产生成（Sec. I）。\n- **不适合场景**：在线/实时重建、无 GPU 环境、缺乏标定维护能力的长期无人值守部署。\n- **关键工程前提**：可靠的 lidar-inertial SLAM 在线运行、RTX 3080 Ti 级以上 GPU 训练资源、定期传感器标定、以及对子图合并结果的人工质检流程。\n\n\n## 模块 C8：总结主要内容（一段摘要 + 5 条要点 + 1 个核心公式/机制） / Module C8: Summarize the main content (one paragraph + 5 bullets + one core formula/mechanism).\n\n## Module C8：精炼总结\n\n### 1. 总结段落\n\nSiLVR 是一个面向机器人巡检的大规模三维重建系统，通过可微体渲染将激光雷达与多相机视觉数据融合进神经辐射场（NeRF）表示（Abstract；Sec. III）。系统以 Nerfacto 为基础，引入 lidar 深度损失（式 2）与表面法向损失（式 3），在无纹理、多视角约束不足的区域显著改善几何精度（Sec. III-B；Fig. 5）。为获得高质量位姿，系统以实时 lidar SLAM（VILENS）轨迹为先验引导 COLMAP，将增量 SfM 转化为全局光束平差，使计算时间减半、图像 100% 注册，并通过 Sim(3) Umeyama 对齐恢复公制尺度（Sec. III-C；Tab. II）。针对大场景，采用谱聚类将轨迹划分为约 50×50 m 的子图分别训练，再统一到世界坐标系合并，并剔除边界低密度伪影，从而扩展到 600 米级轨迹（Sec. III-D；Fig. 1、Fig. 6）。实验覆盖 Spot 四足机器人、DJI M600 无人机与手持平台，在牛津 H B Allen Centre、Mathematical Institute 及 Fire Service College 采集数据（Sec. IV-A）。定量结果显示，本方法几何精度（8–11 cm）接近 lidar-SLAM（6–8 cm），远优于纯视觉 Nerfacto（14–76 cm），同时重建更完整并具照片级新视角合成（Tab. I；Fig. 3）。消融实验进一步证明三相机设置与法向正则对机器人巡检场景的必要性（Fig. 4、Fig. 5）。\n\n### 2. 五条关键要点\n\n1. **lidar 正则化是几何精度的关键**：深度损失（KL 散度，式 2）与法向损失（式 3）使无纹理表面重建精度达 8–11 cm，与 lidar-SLAM（6–8 cm）几乎持平，而纯视觉 Nerfacto 为 14–76 cm（Tab. I）。\n2. **SLAM 先验引导 COLMAP 位姿**：将增量 SfM 转为全局 BA，20 分钟任务计算时间减半（1024 特征时 4444.8 s → 1052.5 s），图像注册率从 55–95% 提升至 100%，并保证公制尺度（Sec. III-C；Tab. II）。\n3. **子图机制实现可扩展性**：谱聚类划分约 50×50 m 子图，克服单一 NeRF 表示能力与内存限制，显著改善细长物体（如自行车架）重建，支持 600 m 轨迹（Sec. III-D；Fig. 6）。\n4. **多相机全景设置契合机器人应用**：三个鱼眼相机避免了对物体中心扫描轨迹的依赖；仅用前视相机会导致几何与完整度显著下降（Fig. 4）。\n5. **法向损失消除波浪伪影**：仅深度损失仍会在平坦表面留下波浪状伪影，以密度场负梯度对比 lidar 法向的正则化进一步提升平滑度（Sec. IV-D；Fig. 5）。\n\n### 3. 核心公式/机制\n\n**lidar 深度正则化（式 2）**：将 lidar 深度测量 $\\mathbf{D}$ 附近的高斯分布与 NeRF 渲染的射线权重分布 $h(t)$ 之间的 KL 散度作为损失：\n\n$$\\mathcal{L}_{\\mathrm{Depth}}=\\sum_{\\mathbf{r}\\in\\mathcal{R}}\\mathrm{KL}\\left[\\mathcal{N}(\\mathbf{D},\\hat{\\sigma})\\,\\|\\,h(t)\\right]$$\n\n配合**法向损失（式 3）**：\n\n$$\\mathcal{L}_{\\mathrm{normal}}=\\sum_{\\mathbf{r}\\in\\mathcal{R}}\\|\\hat{N}(\\mathbf{r})-\\bar{N}(\\mathbf{r})\\|_{1}+\\left\\|1-\\hat{N}(\\mathbf{r})^{\\top}\\bar{N}(\\mathbf{r})\\right\\|_{1}$$\n\n其中 $\\hat{N}$ 为 NeRF 密度场负梯度得到的预测法向，$\\bar{N}$ 为 lidar 测量法向；二者共同将 lidar 几何先验注入体渲染优化，是系统在无纹理区域保持 lidar 级几何精度的核心机制（Sec. III-B）。\n\n\n## 模块 D：第二遍内容理解（方法结构/关键图表/实验） / Module D: Second Pass (method structure, key figures, experiments)\n\n## Module D：第二遍精读理解（Second-Pass Understanding）\n\n### 1. 论文结构树\n\n``nSiLVR（system 型论文）\n├── Abstract：系统定位（lidar+视觉 NeRF 大规模重建）、子图扩展、多平台验证\n├── I. Introduction\n│   ├── 动机：相机重建受限于光照/纹理/多视角约束；lidar 稀疏且无颜色（Sec. I）\n│   └── 四项贡献：几何+纹理重建系统 / SLAM 集成（计算时间 -50%）/ 600 m 级子图 / 多平台实测\n├── II. Related Works\n│   ├── A. Large-scale 3D Reconstruction：lidar mapping [^7-12]、COLMAP/SfM [^1]、Urban Radiance Fields [^15]、submapping [^16-20]\n│   └── B. Neural Field Representation：NeRF [^2]、加速表示（hash encoding [^4]、3DGS [^23]）、深度/法向正则 [^5][^6]、SDF 路线 [^27-29]、lidar-only neural mapping [^30][^31]\n├── III. Method\n│   ├── A. NeRF-based Scene Representation：体渲染式(1)、Nerfacto [^3]、scene contraction [^25]、per-frame appearance embedding [^15][^26]\n│   ├── B. Geometric Constraints from Lidar：depth loss（KL 散度，式2）、sky mask 抑制、normal loss（式3）\n│   ├── C. Bootstrapping Camera Poses：VILENS [^7] → COLMAP point triangulator → Sim(3) Umeyama 米制对齐\n│   └── D. Scaling with Submapping：谱聚类划分（约 50×50 m）、局部训练、合并时剔除低密度边界\n├── IV. Experimental Results\n│   ├── A. Hardware and Datasets：Frontier（3 鱼眼相机+IMU+QT64 lidar）、Spot/手持/DJI M600、HBAC/Maths Inst./FSC\n│   ├── B. Evaluation Metrics：Accuracy/Completeness（DTU 惯例 [^42]）、PSNR/SSIM [^43]\n│   ├── C. 3D Reconstruction 评估：Tab. I、Fig. 3、Fig. 4\n│   ├── D. 法向损失消融：Fig. 5\n│   ├── E. 位姿策略消融：Tab. II\n│   └── F. 子图扩展验证：Fig. 1、Fig. 6\n└── V. Conclusions\n``n\n\n### 2. 方法/系统分解\n\n#### 2.1 输入\n\n- **硬件**：Frontier 定制感知单元 = 3 × 1.6 MP Alphasense 鱼眼相机（三侧布置）+ Sevensense IMU + Hesai Pandar QT64 lidar（Sec. IV-A）\n- **数据模态**：RGB 图像、lidar 深度图（点云投影）、法向图（由 lidar range image 计算）、天空掩码（Detectron2 [^37] 分割）\n- **标定**：相机-IMU 用 Kalibr [^40]，相机-lidar 用可微棋盘格标定 [^41]；COLMAP 阶段进一步优化内参（Sec. IV-A）\n\n#### 2.2 处理模块与数据流\n\n1. **在线 SLAM（VILENS [^7]）**：lidar-惯性系统输出全局一致轨迹与运动校正点云（Sec. III-C、IV-A）\n2. **位姿精化（COLMAP-with-prior）**：用 point triangulator 替换 COLMAP mapper，读取 SLAM 先验位姿，把增量式 SfM 降为全局 bundle adjustment；超过 20 分钟的任务计算时间减半且能注册全部图像（Sec. III-C）\n3. **米制尺度对齐**：Sim(3) Umeyama 将 COLMAP 轨迹对齐到 lidar-SLAM 轨迹——lidar depth loss 要求米制单位，此步必需（Sec. III-C）\n4. **子图划分**：谱聚类 [^39] 将精化轨迹分为约 50×50 m 的局部子图（Sec. III-D、II-A）\n5. **NeRF 训练（逐子图）**：基座为 Nerfacto [^3]（含 Instant-NGP hash encoding [^4]、MipNeRF-360 scene contraction [^25]、per-frame appearance embedding 应对曝光变化）\n6. **子图合并**：采样训练射线渲染颜色+深度生成 3D 点 → Sim(3) 变换到世界系 → 剔除低表面密度区域以消除子图边界伪影（Sec. III-D）\n\n#### 2.3 损失函数\n\n- **Photometric loss**：Nerfacto 默认 RGB 渲染损失（Sec. III-A）\n- **Depth loss（式 2）**：lidar 深度 D 附近正态分布与渲染射线分布 h(t) 的 KL 散度：L_Depth = Σ_{r∈R} KL[N(D, σ̂) ‖ h(t)]\n- **Surface normal loss（式 3）**：N̂ 为 NeRF 密度场负梯度，N̄ 为 lidar 法向：L_normal = Σ ‖N̂−N̄‖₁ + ‖1−N̂ᵀN̄‖₁（L1 距离 + 余弦一致性项）\n- **Sky 处理**：天空射线权重最小化（类似 Urban Radiance Fields [^15]，Sec. III-B）\n\n#### 2.4 训练/推理配置\n\n- Nvidia RTX 3080 Ti；每迭代 4096 rays；10000 迭代约 5 分钟（Sec. IV-A/IV-C）\n- 重建输出：每子图从训练射线采样生成 1000 万 3D 点（Sec. IV-C）\n\n#### 2.5 输出\n\n- 几何精度与 lidar 相当（8–11 cm）且具照片级纹理的稠密 3D 点云 + 新视角合成模型（Abstract；Tab. I）\n\n### 3. 重要图表解读\n\n#### Fig. 2（系统总览图）\n\n- **内容**：Frontier（3 鱼眼相机+IMU+3D lidar）→ 在线状态估计轨迹 → COLMAP 精化 → 子图划分 → 以图像+lidar 深度+法向图训练 NeRF → 最终 3D 重建\n- **解读**：该图给出两条关键设计链路——(1) 位姿链：SLAM 先验解决 COLMAP 注册失败与耗时问题；(2) 监督链：三种模态（photometric/depth/normal）共同约束 NeRF 优化。与 Sec. III 各小节一一对应，是理解全文流水线的入口。\n\n#### Tab. I（3D 重建质量定量评估）\n\n- **结构**：3 个数据集（Maths Quad / Oxford HBAC / FSC）× 方法（lidar-SLAM、Nerfacto mono/3-cam、Ours mono/3-cam）× 指标（Accuracy↓、Completeness↓、PSNR train/test↑、SSIM test↑）\n- **关键数值**：\n  - Maths Quad：Ours 3-cam Accuracy 0.08 m vs Nerfacto 3-cam 0.76 m（近 10 倍差距）；Completeness 0.11 m vs 0.31 m\n  - HBAC：Nerfacto mono Completeness 高达 5.40 m（大面积漏重建），Ours mono 仍 4.60 m，但 Ours 3-cam 降至 0.18 m——说明 lidar 正则与多相机缺一不可\n  - FSC（无人机）：Ours mono Accuracy 0.11 m vs Nerfacto 0.14 m\n- **深层信息**：Ours 的 test PSNR（如 Maths Quad 3-cam 为 20.5）略低于 Nerfacto（21.1），说明 lidar 几何正则主要改善几何而非渲染指标；作者亦指出曝光差异会压低 test PSNR（Sec. IV-B）\n- **结论支撑**：Ours 精度（8–11 cm）接近 lidar-SLAM（6–8 cm），完整性优于 lidar-SLAM，验证几何与纹理兼得的核心主张（Sec. IV-C）\n\n#### Tab. II（位姿策略消融）\n\n- **设置**：HBAC-Maths 数据集，3254 张图像、1270 s 任务时长；模型训练 4000 迭代；PSNR/SSIM 掩掉天空后评估\n- **关键对比**：\n  - VILENS 位姿直接训练：test PSNR 17.4（位姿噪声导致模糊，Sec. III-C）\n  - NeRF 联合位姿精化 [^3]：17.9，但训练不稳定且渲染不够锐利\n  - COLMAP 无先验（1024 特征）：仅注册 57.6% 图像、耗时 3299.2 s；加 SLAM 先验：100% 注册、1729.9 s、test PSNR 20.6\n  - VocabTree 8192 特征无先验：37067.5 s（约 10 小时），加先验降至 11015.3 s\n- **结论**：SLAM 先验同时带来注册率 100%、时间减半、渲染更好三重收益，是系统可部署性的关键（Sec. IV-E）\n\n#### Fig. 5（法向损失作用，定性）\n\n- Maths Institute 地面：仅 photometric（Nerfacto）无法估计均匀纹理地面深度；加 depth loss 后高度正确但表面波浪状；再加 normal loss 后表面平滑（Sec. IV-D）\n- 该图直接支撑式 (3) 的设计动机：depth loss 约束位置、normal loss 约束平滑度，二者互补\n\n#### Fig. 6（子图数量影响）\n\n- 单 NeRF 模型覆盖整个序列时自行车架等细物体模糊（表示容量受限）；多子图后显著改善（Sec. IV-F）\n\n### 4. 实验与评估细节\n\n#### 4.1 数据集与平台\n\n| 数据集 | 平台 | 场景 | 备注 |\n|---|---|---|---|\n| Maths Inst. / Maths Quad | Spot 四足 + 手持 | 牛津大学 | 均匀颜色地面是难点（Sec. IV-C）|\n| Oxford HBAC | Spot 四足 + 手持 | 建筑场景 | 600 m 级长轨迹（Abstract）|\n| FSC | DJI M600 无人机 | 多层模拟灾难建筑 | 仅用前视校正图像（左右相机拍到螺旋桨，Sec. IV-A）|\n\n- Ground truth：Leica BLK360 测量级扫描仪（厘米级精度），ICP 配准 lidar 与 NeRF 重建（Sec. IV-B）\n\n#### 4.2 指标\n\n- 几何：Accuracy（重建→GT 距离）、Completeness（GT→重建距离），遵循 DTU [^42] 惯例\n- 视觉：PSNR、SSIM [^43]；作者声明曝光不一致会压低 test PSNR（Sec. IV-B）\n\n#### 4.3 对比目标与公平性\n\n- 对比方法：lidar-SLAM（COLMAP 精化位姿配准点云，仅保留相机 FOV 内点）、Nerfacto（mono/3-cam，纯视觉基线）、Ours（mono/3-cam）\n- 公平性措施（Sec. IV-C）：\n  - Nerfacto 与 Ours 均从训练射线采样生成每子图 1000 万点\n  - Nerfacto 点云经天空分割+手动裁剪去除天空点\n  - lidar-SLAM 仅保留相机 FOV 内点，避免背面遮挡点干扰\n  - 评估时裁剪 GT 与 lidar 扫描无重叠或发生变化的区域\n- 潜在公平性问题：Ours 使用 lidar 监督而 Nerfacto 没有，几何指标差距部分来自额外传感器信息——但这正是论文的传感器融合主张，属于设计性对比而非纯算法性对比\n\n#### 4.4 消融实验汇总\n\n| 消融维度 | 载体 | 结论 |\n|---|---|---|\n| 法向损失 | Fig. 5 | depth loss 定高度、normal loss 平滑表面，二者互补 |\n| 位姿策略 | Tab. II | SLAM 先验 → 100% 注册、时间减半、PSNR 更高 |\n| 相机数量 | Fig. 4 + Tab. I | 3 相机比单前视相机重建更完整、几何更好（浅视角导致几何偏差）|\n| 子图数量 | Fig. 6 | 多子图显著改善细物体（自行车架）重建 |\n\n### 5. 系统架构图（system archetype 适用）\n\n``n              ┌─────────────────────────────────────────────┐\n              │          Frontier 感知单元（Sec. IV-A）        │\n              │   3×鱼眼相机      IMU       Hesai QT64 lidar  │\n              └───────┬────────────┬────────────┬────────────┘\n                      │            │            │\n                  RGB 图像      IMU 数据     lidar 点云\n                      │            │            │\n                      │       ┌────▼─────┐      │\n                      │       │  VILENS  │◄─────┘\n                      │       │ lidar-惯性 SLAM（在线，Sec. III-C）\n                      │       └────┬─────┘\n                      │            │\n                      │    全局一致轨迹 + 运动校正点云\n                      │            ├──────────► 深度图 / 法向图（投影）\n                      │            │            + 天空掩码（Detectron2）\n                      │            │\n                 ┌────▼────────────▼─────┐\n                 │ COLMAP point triangulator │\n                 │（SLAM 位姿为先验 → 全局 BA）│\n                 └────┬────────────┬─────┘\n                      │            │\n                      │    Sim(3) Umeyama 对齐（米制尺度）\n                      │            │\n                      │      ┌─────▼──────┐\n                      │      │ 谱聚类子图划分 │\n                      │      │（约 50×50 m） │\n                      │      └─────┬──────┘\n                      ▼            ▼\n        ┌──────────────────────────────────────┐\n        │  NeRF 训练（Nerfacto 基座，逐子图）       │\n        │  损失 = photometric + depth(KL,式2)     │\n        │       + normal(式3) + sky 抑制          │\n        │  RTX 3080 Ti / 4096 rays/iter / 约5min  │\n        └──────────────────┬───────────────────┘\n                           │ 训练射线渲染颜色+深度 → 3D 点\n                    ┌──────▼───────┐\n                    │   子图合并     │\n                    │ Sim(3)→世界系  │\n                    │ 剔除低密度边界  │\n                    └──────┬───────┘\n                           ▼\n            稠密纹理化 3D 重建 + 照片级新视角合成\n``n\n\n- **图解**：左侧为位姿链（SLAM → COLMAP 先验 → Sim(3) 对齐），右侧为监督链（深度图/法向图/天空掩码），两链在 NeRF 训练模块汇合；子图机制（划分 → 局部训练 → 合并）是横向扩展轴。该结构与 Fig. 2 及 Sec. III 小节划分完全对应。\n\n\n## 模块 E：第三遍深度审视（重建/假设/失败模式/审稿意见） / Module E: Third Pass (reconstruction, assumptions, failure modes, review)\n\n## Module E：第三遍精读——深度评审\n\n### 1. 可复现性重构（Reconstructability）\n\n#### 系统流水线伪代码（依据 Sec. III、Sec. IV-A 重建）\n\n``n输入: Frontier 传感器数据（3×鱼眼相机图像, 3D lidar 点云, IMU）\n输出: 全局一致的带纹理 3D 重建（点云）+ 新视角渲染\n\n1. 在线阶段（Sec. IV-A）:\n   运行 VILENS lidar-inertial SLAM [^7]\n   → 输出全局一致轨迹 T_slam 与运动校正的 lidar 点云\n\n2. 离线位姿精化（Sec. III-C）:\n   a. 以 T_slam 为位姿先验, 用 COLMAP point triangulator 替换 mapper\n   → 将增量式 SfM 转化为全局 bundle adjustment, 注册率 100%（Tab. II）\n   b. Sim(3) Umeyama 对齐 COLMAP 轨迹与 SLAM 轨迹 → 恢复米制尺度\n\n3. 传感器预处理（Sec. IV-A）:\n   a. lidar 点云投影为深度图; 由 range image 计算表面法向 → 法向图\n   b. 语义分割网络 Detectron2 [^37] 生成天空掩码（Sec. III-B）\n   c. 相机-IMU 外参用 Kalibr [^40]; 相机-lidar 用可微标定 [^41]\n\n4. 子图划分（Sec. III-D）:\n   对精化后轨迹用 Spectral Clustering [^39] 聚类（约 50×50m 子图）\n   → 每个子图在局部坐标系训练独立 NeRF\n\n5. NeRF 训练（每个子图, Sec. III-A/III-B）:\n   骨干: Nerfacto [^3] + Instant-NGP hash encoding [^4]\n        + scene contraction [^25] + per-frame appearance embedding [^15][^26]\n   损失: L = L_photometric + λ_D·L_Depth（式 2, 与 lidar 深度的 KL 散度）\n             + λ_N·L_normal（式 3, 法向 L1 + 1-cos 项）\n   配置: RTX 3080 Ti, 4096 rays/iteration, 10000 iterations ≈ 5 分钟（Sec. IV-A/IV-C）\n\n6. 子图合并（Sec. III-D）:\n   a. 各子图按米制位姿 Sim(3) 变换到世界坐标系\n   b. 采样训练 rays 渲染颜色+深度 → 3D 点\n   c. 剔除低表面密度区域（子图边界伪影）后合并为最终重建\n``n\n\n#### 复现缺口（信息不足处）\n\n- 深度损失与法向损失的权重 λ_D、λ_N 数值未给出（Sec. III-B 仅给出式 2、式 3）\n- Spectral Clustering 的簇数、相似度核与 50×50m 划分的确定方式未详述（Sec. III-D）\n- 天空掩码所用 Detectron2 模型与置信度阈值未说明（Sec. III-B）\n- 子图合并时低表面密度的判定阈值未给出（Sec. III-D）\n- PSNR test 的训练/测试图像划分协议未说明（Sec. IV-B）\n- 代码无开源直链，仅有项目主页（Abstract 末尾）\n\n**结论**：核心思想（lidar 深度/法向正则 + SLAM 先验引导 COLMAP + 子图划分）可复现，但损失权重与子图参数需自行调参；定量结果只能采信 Tab. I/II 的报告数值。\n\n### 2. 关键假设（Assumptions）\n\n- **假设 1：SLAM 轨迹足够精确可作位姿先验**。系统假设 VILENS 输出的全局一致轨迹误差在 COLMAP bundle adjustment 可收敛范围内（Sec. III-C）；若 SLAM 漂移过大，精化可能失败或收敛到错误解。\n- **假设 2：lidar 深度与法向测量可靠且时空同步**。式 2 直接以 lidar 测量 D 为高斯中心，隐含 lidar 无系统性偏差、外参标定准确（Sec. IV-A 依赖 Kalibr [^40] 与 [^41]）；玻璃、镜面等表面的异常回波会直接污染几何损失。\n- **假设 3：场景静态**。SLAM、COLMAP 与 NeRF 训练全链路均假设采集期间场景不变；行人、车辆等动态物体会同时破坏位姿估计与辐射场（全文未处理动态，Sec. IV-A 数据集均为静态场景）。\n- **假设 4：光照允许视觉特征匹配**。COLMAP 精化仍依赖特征匹配（Sec. III-C），论文承认 SfM 在低纹理、重复模式、非朗伯表面下的局限（Sec. II-A），本方法只是缓解而非消除该瓶颈。\n- **假设 5：场景尺度在子图机制能力范围内**。子图约 50×50m（Sec. II-A/III-D），假设该粒度足以保持表示能力；远超此尺度的场景需更多子图且合并伪影风险增大。\n- **假设 6：曝光变化可由低维 appearance embedding 建模**（Sec. III-A，类似 [^15][^26]）；但 Sec. IV-B 承认曝光差异仍会压低 test PSNR，说明该假设在极端光照下不完全成立。\n\n### 3. 失效模式与盲点（Failure modes / blind spots）\n\n- **子图边界伪影**：边界区域观测稀疏、视角约束有限，合并时产生伪影；论文仅用剔除低表面密度区域的启发式处理（Sec. III-D），可能误删真实稀疏观测的表面（如远处薄结构），且无理论保证。\n- **单 NeRF 表示能力上限与子图数量权衡**：Fig. 6 显示单一 NeRF 对大场景细薄物体（自行车架）重建模糊；子图数量成为关键超参，但论文未给出自动选择准则（Sec. IV-F）。\n- **视觉特征匹配环节仍是潜在瓶颈**：SLAM 先验将注册率从 55%–95% 提升至 100%（Tab. II），但 COLMAP 精化本身在极端低纹理/重复结构下仍可能失败；论文未测试夜间、雨雾等恶劣条件（Sec. IV-A）。\n- **评估协议的潜在偏差**：ground truth 由 Leica BLK360 采集并经 ICP 配准（Sec. IV-B），ICP 误差与裁剪无重叠区域的标准（Sec. IV-C）可能引入有利于本方法的偏差；test PSNR 受曝光差异干扰（Sec. IV-B）而未做归一化；FSC 数据集仅用前视相机（Sec. IV-A），无人机场景未验证三相机配置的增益。\n\n### 4. 优点与不足（Strengths and weaknesses）\n\n#### 优点\n\n1. **几何与外观兼得，互补性得到定量验证**：Tab. I 显示 SiLVR 3-cam 的 Accuracy 0.08–0.11m 接近 lidar-SLAM（0.05–0.08m），远优于 Nerfacto（0.14–1.38m）；Completeness 优于 lidar-only（如 HBAC：0.18m vs 0.25m），印证 lidar 几何 + 视觉稠密化的互补设计（Sec. IV-C，Fig. 3）。\n2. **工程可部署性强**：SLAM 先验引导的 COLMAP 将 20 分钟任务（3254 帧）的位姿计算时间减半（1729.9s vs 3299.2s，Tab. II），注册率 100%，计算时间与任务时长同量级，契合巡检机器人闭环流程（Sec. III-C）。\n3. **法向正则的实证价值清晰**：Fig. 5 分层展示 depth loss（式 2）修正地面高度、normal loss（式 3）消除波浪伪影的作用，消融逻辑完整（Sec. IV-D）。\n4. **多平台、大规模验证**：Spot 四足、DJI M600 无人机、手持三种平台，600 米轨迹（Fig. 1），覆盖室内外场景，系统泛化性有说服力（Sec. IV-A）。\n\n#### 不足\n\n1. **关键超参缺失**：损失权重、子图划分参数、合并阈值均未公开（Sec. III-B/III-D），削弱可复现性。\n2. **消融不完整**：Tab. I 仅对比有/无 lidar 约束，未扫描 λ_D、λ_N 敏感性；也未与 Urban Radiance Fields [^15] 等最直接相关方法在同一数据上定量对比（Sec. II-A 提及但未实验）。\n3. **离线后处理，非在线建图**：COLMAP 精化与 NeRF 训练虽快（每子图约 5 分钟，Sec. IV-C），但整体仍是任务后流程，无法支持在线重建与即时质量反馈（Sec. III-C）。\n4. **动态与恶劣条件未验证**：所有数据集为静态白天场景，对动态物体、玻璃/反光表面、夜间条件无实验覆盖（Sec. IV-A）。\n5. **指标解释需谨慎**：作者自认曝光差异压低 test PSNR（Sec. IV-B），跨方法视觉指标比较的公平性存疑。\n\n### 5. 下一步研究方向（Next-step research directions）\n\n- **损失权重与子图划分自动化**：引入不确定性加权等自适应机制平衡 photometric/depth/normal 损失，并设计基于观测信息量的自动子图划分与合并准则，弥补 Sec. III-B/III-D 的手工调参缺口。\n- **在线/增量式 lidar-visual 神经场建图**：将子图训练嵌入 SLAM 回环检测，实现边采集边重建，为巡检任务提供即时质量反馈；可借鉴 Nerf-LOAM [^31] 等增量式思路并引入视觉约束。\n- **动态场景与鲁棒性扩展**：在已有语义分割基础（Detectron2 [^37]，Sec. III-B）上加入动态物体掩码与鲁棒核函数处理 lidar 外点，并系统测试夜间、雨雾条件下的性能退化边界。\n- **子图边界一致性建模**：以重叠区域联合微调或概率融合替代低密度剔除启发式（Sec. III-D），避免误删稀疏表面；亦可探索 3D Gaussian Splatting [^23] 作为替代表示以加速渲染并简化子图合并。\n\n\n## 模块 F：术语表与概念依赖图 / Module F: Glossary and Concept Map\n\n## Module F：术语表与概念依赖图\n\n### 一、术语表（Glossary，共 30 条）\n\n#### 1. NeRF (Neural Radiance Field) / 神经辐射场\n\n- **定义**：用多层感知机（MLP）表示连续辐射场（位置 → 密度 σ + 颜色 c），通过可微体渲染从多视角图像优化，实现新视角合成（Sec. II-B；[^2]）。\n- **直觉**：把整个场景\"记住\"在一个网络里，任意角度查询都能渲染出照片。\n- **论文中的角色**：系统的核心场景表示，SiLVR 在其上融合 lidar 几何约束（Abstract；Sec. III-A）。\n- **前置知识**：体渲染、MLP、可微编程。\n\n#### 2. Volume Rendering / 体渲染\n\n- **定义**：沿相机光线采样 3D 点，按式 (1) 的权重 w_i（由密度 σ 与采样间距 δ 决定）对颜色积分得到像素颜色（Sec. III-A，式 1）。\n- **直觉**：像沿视线\"雾中累积\"颜色，越靠近表面的采样点权重越大。\n- **论文中的角色**：NeRF 渲染与训练的数学基础；深度损失也作用于渲染的射线分布 h(t)（Sec. III-B）。\n- **前置知识**：积分近似（quadrature rule）、透射率概念。\n\n#### 3. Differentiable Rendering / 可微渲染\n\n- **定义**：渲染过程对场景参数可导，允许通过最小化渲染图像与真实图像的差异反向传播优化 3D 表示（Sec. I）。\n- **直觉**：渲染器变成一个巨大的可导函数，梯度能从 2D 图像流回 3D 模型。\n- **论文中的角色**：使 lidar 深度/法向损失能直接约束 NeRF 密度场（Sec. III-B）。\n- **前置知识**：自动微分、梯度下降。\n\n#### 4. Nerfacto / Nerfacto 方法\n\n- **定义**：Nerfstudio 框架中集成 hash encoding、appearance embedding 等多种已验证技巧的 NeRF 实现，渲染质量接近 MipNeRF-360 但训练大幅加速（Sec. III-A；[^3]）。\n- **直觉**：NeRF 领域的\"集大成\"工程基线。\n- **论文中的角色**：SiLVR 的实现基座，也是 vision-only 对比基线（Sec. IV-C，Tab. I）。\n- **前置知识**：NeRF、Instant-NGP。\n\n#### 5. Hash Encoding (Instant-NGP) / 多分辨率哈希编码\n\n- **定义**：将空间坐标映射到多分辨率可训练特征网格，用哈希表存储特征以加速训练（[^4]）。\n- **直觉**：用\"查表 + 插值\"代替深层 MLP 查询，速度提升数量级。\n- **论文中的角色**：SiLVR 快速训练（每子图 10000 次迭代约 5 分钟）的关键；也是与 Block-NeRF（基于 MLP）子图方案的区别点（Sec. III-D）。\n- **前置知识**：特征网格、插值、哈希冲突。\n\n#### 6. Scene Contraction / 场景收缩\n\n- **定义**：将无界空间中的点非线性映射到边长为 2 的立方体内表示（Sec. III-A；[^25]）。\n- **直觉**：把无限世界\"压缩\"进有限盒子，近处精细、远处粗略。\n- **论文中的角色**：提升内存效率，适配大尺度巡检场景（Sec. III-A）。\n- **前置知识**：坐标变换、MipNeRF-360。\n\n#### 7. Appearance Embedding / 外观嵌入\n\n- **定义**：为每帧图像学习一个潜向量，补偿曝光/光照差异（Sec. III-A；[^15], [^26]）。\n- **直觉**：给每张照片一个\"滤镜参数\"，让模型不必记住光照变化。\n- **论文中的角色**：应对真实机器人采集中曝光不一致问题（Sec. III-A）。\n- **前置知识**：条件化 MLP、潜变量。\n\n#### 8. Structure-from-Motion (SfM) / 运动恢复结构\n\n- **定义**：从图像联合估计相机位姿与稀疏 3D 点的过程（Sec. I；[^1]）。\n- **直觉**：靠特征点匹配\"反推\"相机在哪、场景点在哪。\n- **论文中的角色**：传统 NeRF 位姿来源；本文用 SLAM 先验改造其流程（Sec. III-C）。\n- **前置知识**：特征匹配、三角化。\n\n#### 9. COLMAP / COLMAP\n\n- **定义**：主流 SfM+MVS 开源系统，通过增量式 bundle adjustment 估计位姿（Sec. II-A；[^1]）。\n- **直觉**：视觉重建的\"瑞士军刀\"，但慢且可能配准失败。\n- **论文中的角色**：位姿精化工具；本文用 point triangulator 替换 mapper 以利用 SLAM 先验（Sec. III-C，Tab. II）。\n- **前置知识**：SfM、bundle adjustment。\n\n#### 10. Bundle Adjustment / 光束法平差\n\n- **定义**：联合优化相机位姿与 3D 点位置以最小化重投影误差的非线性优化。\n- **直觉**：全局\"微调\"所有相机和点，让投影误差最小。\n- **论文中的角色**：SLAM 先验将增量 SfM 转化为全局 BA，从而加速并保证全图配准（Sec. III-C）。\n- **前置知识**：非线性最小二乘。\n\n#### 11. Point Triangulator / 点三角化器\n\n- **定义**：COLMAP 中在给定相机位姿下仅三角化 3D 点的模块（Sec. III-C）。\n- **直觉**：位姿已知，只需求点的交会。\n- **论文中的角色**：本文用它读取 SLAM 先验位姿，把 COLMAP 从\"估计位姿\"降为\"精化点云\"（Sec. III-C）。\n- **前置知识**：COLMAP 架构、三角化。\n\n#### 12. Lidar / 激光雷达\n\n- **定义**：通过激光直接测量距离的主动传感器，提供精确但稀疏的几何（Sec. I）。\n- **直觉**：能\"摸到\"无纹理墙面的测距仪。\n- **论文中的角色**：提供深度与表面法向监督，弥补视觉在无纹理区域的失效（Sec. III-B）。\n- **前置知识**：点云、传感器模型。\n\n#### 13. SLAM (Simultaneous Localization and Mapping) / 同步定位与建图\n\n- **定义**：机器人在未知环境中同时估计自身轨迹并构建地图的问题（Sec. I；[^7]）。\n- **直觉**：边走边画地图，同时知道自己在地图哪里。\n- **论文中的角色**：VILENS 提供全局一致轨迹与运动校正点云，是整个流水线的骨架（Fig. 2；Sec. IV-A）。\n- **前置知识**：状态估计、因子图。\n\n#### 14. VILENS / VILENS\n\n- **定义**：牛津团队开发的 lidar-惯性（含视觉/腿式里程计）在线 SLAM 系统（[^7]）。\n- **直觉**：机器人上的\"实时导航大脑\"。\n- **论文中的角色**：提供在线位姿先验与 lidar 数据；其位姿精度低于 COLMAP，故需离线精化（Sec. III-C，Tab. II）。\n- **前置知识**：lidar-inertial odometry、因子图优化。\n\n#### 15. Depth Loss (KL-Divergence) / 深度损失\n\n- **定义**：lidar 深度 D 附近的高斯分布与 NeRF 渲染射线分布 h(t) 之间的 KL 散度（Sec. III-B，式 2；[^5]）。\n- **直觉**：不要求渲染深度是单点，而是让整条射线的\"质量\"集中在 lidar 测得的深度附近。\n- **论文中的角色**：核心几何约束，使重建精度接近 lidar（Tab. I：Ours 3-cam Accuracy 0.08–0.09 m vs Nerfacto 0.28–1.38 m）。\n- **前置知识**：KL 散度、概率分布、体渲染。\n\n#### 16. Surface Normal Regularisation / 表面法向正则化\n\n- **定义**：取 NeRF 密度场负梯度作为预测法向，与 lidar 法向做 L1 与 1−cosine 双重约束（Sec. III-B，式 3；[^6]）。\n- **直觉**：强迫密度场\"看起来\"像真实表面——梯度指向一致且与测量法向平行。\n- **论文中的角色**：消除深度损失遗留的波浪状伪影，平滑平面（Fig. 5；Sec. IV-D）。\n- **前置知识**：梯度、法向量、lidar 距离图像。\n\n#### 17. Submapping / 子图建图\n\n- **定义**：将大场景轨迹划分为若干局部子图分别建模，再统一到世界坐标系合并（Sec. III-D；[^16]–[^20]）。\n- **直觉**：化整为零——每个子图只需记住自己那约 50×50 m 区域。\n- **论文中的角色**：扩展 NeRF 到 600 m 轨迹的核心机制；子图数量影响细长物体（如自行车架）重建（Fig. 6；Sec. IV-F）。\n- **前置知识**：坐标变换、地图合并。\n\n#### 18. Spectral Clustering / 谱聚类\n\n- **定义**：基于图拉普拉斯矩阵特征向量的聚类方法（[^39]）。\n- **直觉**：按\"连接紧密程度\"切分轨迹，相似观测分到同一子图。\n- **论文中的角色**：用于划分 COLMAP 精化后的轨迹为子图（Sec. III-D）。\n- **前置知识**：图论、特征分解。\n\n#### 19. Sim(3) Umeyama Alignment / Sim(3) Umeyama 对齐\n\n- **定义**：估计旋转、平移与尺度使两组 3D 点最优对齐的闭式解方法。\n- **直觉**：把\"单位不对、朝向不同\"的两条轨迹拧到一起。\n- **论文中的角色**：将 COLMAP 的 up-to-scale 轨迹对齐到 lidar 米制轨迹；子图合并到世界系（Sec. III-C/III-D）。\n- **前置知识**：刚体变换、SVD。\n\n#### 20. Metric Scale / 米制尺度\n\n- **定义**：重建与真实世界单位（米）一致的比例（Sec. III-C）。\n- **直觉**：单目视觉天生\"不知道一米有多长\"，lidar 能告诉它。\n- **论文中的角色**：lidar 深度损失要求米制位姿，故尺度对齐是必要前置（Sec. III-C）。\n- **前置知识**：单目尺度不确定性。\n\n#### 21. Frontier / Frontier 传感器单元\n\n- **定义**：自研多相机-lidar-IMU 感知单元：3 台 1.6 MP Alphasense 鱼眼相机 + Sevensense IMU + Hesai Pandar QT64 lidar（Sec. IV-A；Fig. 2）。\n- **直觉**：为机器人全向重建定制的\"眼睛+测距仪\"背包。\n- **论文中的角色**：所有数据集的采集硬件，部署于 Spot/无人机/手持（Sec. IV-A）。\n- **前置知识**：传感器标定、外参。\n\n#### 22. Sky Mask / 天空掩码\n\n- **定义**：用语义分割网络（Detectron2 [^37]）识别天空像素并降低对应射线权重的掩码（Sec. III-B）。\n- **直觉**：天空没有 lidar 深度也无固定几何，别让它干扰训练。\n- **论文中的角色**：类似 Urban Radiance Fields 的处理，避免天空区域污染几何（Sec. III-B）。\n- **前置知识**：语义分割。\n\n#### 23. Accuracy & Completeness / 精度与完整度\n\n- **定义**：Accuracy 为重建点到真值的距离；Completeness 为真值点到重建的距离，沿用 DTU 协议（Sec. IV-B；[^42]）。\n- **直觉**：Accuracy 管\"建得准不准\"，Completeness 管\"建得全不全\"。\n- **论文中的角色**：几何质量主指标（Tab. I）。\n- **前置知识**：点到点距离、真值配准。\n\n#### 24. PSNR & SSIM / 峰值信噪比与结构相似性\n\n- **定义**：PSNR 衡量像素级渲染误差；SSIM 衡量结构层面的感知相似性（[^43]）。\n- **直觉**：PSNR 看数值差，SSIM 看人眼感受。\n- **论文中的角色**：新视角合成质量指标（Tab. I/II）；注意曝光差异会压低 test PSNR（Sec. IV-B）。\n- **前置知识**：图像质量评估。\n\n#### 25. ICP (Iterative Closest Point) / 迭代最近点\n\n- **定义**：通过迭代寻找最近点对并最小化距离来配准两组点云的算法。\n- **直觉**：两片点云反复\"对齐-再对齐\"直到贴合。\n- **论文中的角色**：将 lidar 点云与 Leica BLK360 真值及 NeRF 重建配准以计算指标（Sec. IV-B）。\n- **前置知识**：刚体配准。\n\n#### 26. SDF (Signed Distance Field) / 符号距离场\n\n- **定义**：表示空间中每点到最近表面带符号距离的隐式场，天然定义表面（Sec. II-B；[^27], [^28]）。\n- **直觉**：表面就是\"零等值面\"。\n- **论文中的角色**：对比方案——本文选择体密度表示 + 正则化而非 SDF，以保住新视角合成质量（Sec. II-B，[^29]）。\n- **前置知识**：隐式表面、NeuS/Neuralangelo。\n\n#### 27. Loop Closure / 回环检测\n\n- **定义**：识别机器人重访已到过地点并修正累积漂移的机制（Sec. II-A；[^16]）。\n- **直觉**：走了一圈回到原点，发现地图\"接不上\"就修正。\n- **论文中的角色**：子图方法可吸收回环修正同时保持全局一致（Sec. II-A）。\n- **前置知识**：位姿图优化。\n\n#### 28. Photometric Loss / 光度损失\n\n- **定义**：渲染像素颜色与真实像素颜色之间的损失（Sec. IV-C）。\n- **直觉**：NeRF 的原始训练信号——\"渲染得像照片\"。\n- **论文中的角色**：SiLVR 三项损失之一，与深度/法向损失共同训练（Sec. IV-C 配置 3）。\n- **前置知识**：MSE、体渲染。\n\n#### 29. Up-to-scale Trajectory / 尺度不确定轨迹\n\n- **定义**：单目 SfM 输出的轨迹只有相对比例、缺绝对米制尺度（Sec. III-C）。\n- **直觉**：知道形状不知道大小。\n- **论文中的角色**：COLMAP 轨迹需经 Sim(3) 对齐到 lidar 轨迹才可用于深度损失（Sec. III-C）。\n- **前置知识**：单目几何。\n\n#### 30. Kalibr / Kalibr 标定工具\n\n- **定义**：多传感器时空标定工具箱，用于相机-IMU 外参标定（[^40]）。\n- **直觉**：确定各传感器之间的相对安装关系。\n- **论文中的角色**：标定相机-IMU；相机-lidar 用 [^41] 的可微棋盘格方法；内参在 COLMAP 中进一步优化（Sec. IV-A）。\n- **前置知识**：传感器标定、投影模型。\n\n### 二、概念依赖图（文本版）\n\n``n传感器层\n  Lidar ──┐\n  鱼眼相机 ─┼─→ Frontier 感知单元 ─→ 多平台采集（Spot / 无人机 / 手持）\n  IMU ────┘                              │\n                                         ▼\n位姿层\n  VILENS (lidar-inertial SLAM) ─→ 在线全局一致轨迹 + 运动校正点云\n        │ (位姿先验)\n        ▼\n  COLMAP + Point Triangulator ─→ 位姿精化（全局 Bundle Adjustment）\n        │\n        ▼\n  Sim(3) Umeyama 对齐 ─→ 米制尺度轨迹 (Metric Scale)\n        │\n        ▼\n表示与训练层\n  NeRF (体渲染 + 可微渲染)\n   ├─ 基座：Nerfacto\n   │    ├─ Hash Encoding (Instant-NGP) ─→ 快速训练\n   │    ├─ Scene Contraction ─→ 大场景内存效率\n   │    └─ Appearance Embedding ─→ 曝光鲁棒\n   ├─ 深度损失 (KL, 式2) ←── lidar 深度图 ←── 米制尺度（依赖位姿层）\n   ├─ 法向损失 (式3) ←── lidar 法向图 ←── lidar 距离图像\n   └─ Sky Mask ←── 语义分割 (Detectron2)\n        │\n        ▼\n扩展层\n  Submapping ←── Spectral Clustering（轨迹划分）\n   ├─ 各子图局部坐标系训练\n   ├─ Sim(3) 变换到世界系\n   └─ 低密度边界区域剔除后合并\n        │\n        ▼\n评估层\n  几何：Accuracy / Completeness ←── ICP 配准 ←── Leica BLK360 真值\n  视觉：PSNR / SSIM（天空掩码后）\n``n\n**关键依赖链**：\n\n1. 米制尺度（Sim(3) 对齐）→ 深度损失有效 → 几何精度（Tab. I）。\n2. SLAM 先验 → COLMAP 全图配准（100% registered）→ 计算时间减半且渲染更锐利（Tab. II）。\n3. Hash Encoding → 子图分钟级训练可行 → Submapping 可扩展至 600 m 轨迹（Fig. 1/6）。\n4. 法向损失 → 消除深度损失遗留的波浪伪影 → 平滑表面（Fig. 5）。\n\n\n\n\n## 模块 G：联网核验与引用校对 / Module G: Verification and Citation Check\n\n## Module G：核验、冲突与参考文献\n\n### G.1 关键事实性主张核验\n\n核验方式：每条主张给出至少两个来源（论文内两处定位，或论文内定位 + 外部文献交叉核验）。\n\n### 主张1：系统基于 Nerfacto（Nerfstudio）实现，并采用 Instant-NGP 的 hash encoding\n\n- 来源1（论文内）：Sec. III-A：Our implementation is built on top of the Nerfacto method from Nerfstudio [^3]\n- 来源2（论文内）：Sec. I：builds upon NeRF implementation [^3] utilising hash encoding [^4]\n- 外部核验：Tancik et al., Nerfstudio, SIGGRAPH 2023 [^3]；Müller et al., Instant-NGP, ACM TOG 2022 [^4]，均为真实文献且描述一致\n- 结论：一致，可信\n\n### 主张2：lidar 深度损失定义为 lidar 深度测量 D 周围正态分布与 NeRF 渲染射线分布 h(t) 的 KL 散度\n\n- 来源1（论文内）：Sec. III-B 式 (2)\n- 来源2（论文内）：Sec. IV-D 与 Fig. 5（深度损失保证地面重建高度正确）\n- 外部核验：Deng et al., Depth-supervised NeRF, CVPR 2022 [^5]，式 (2) 明确标注沿用该文 depth loss，形式相符\n- 结论：一致\n\n## 主张3：表面法向正则损失（L1 距离 + 方向一致性项）灵感来自 MonoSDF，但法向来自 lidar 而非学习型先验\n\n- 来源1（论文内）：Sec. III-B 式 (3)\n- 来源2（论文内）：Sec. IV-D 与 Fig. 5（法向损失改善平滑度）；Sec. I（明确说明与学习型先验 [^6] 的差异：避免真实部署中的分布偏移）\n- 外部核验：Yu et al., MonoSDF, NeurIPS 2022 [^6]，损失形式相符\n- 结论：一致\n\n## 主张4：使用 VILENS 作为在线 lidar-inertial SLAM 系统，提供全局一致轨迹与运动校正点云\n\n- 来源1（论文内）：Sec. III-C：we use our lidar-inertial odometry and SLAM system VILENS [^7]\n- 来源2（论文内）：Sec. IV-A：We use VILENS [^7], a lidar-inertial SLAM system online...\n- 外部核验：Wisth, Camurri, Fallon, VILENS, IEEE T-RO 2023 [^7]，作者团队（Fallon 组）与本文重叠，文献真实\n- 结论：一致\n\n## 主张5：SLAM 先验引导的 COLMAP 使位姿计算时间约减半，且能将全部图像注册到同一地图\n\n- 来源1（论文内）：Sec. III-C：only taking half the computation time compared to a fully offline COLMAP run\n- 来源2（论文内）：Tab. II：Sequential/1024 特征：无先验 3299.2s（注册率 57.6%）vs 有先验 1729.9s（100%）；VocabTree/1024：4444.8s（54.7%）vs 1052.5s（100%）\n- 数值核验：1729.9/3299.2 ≈ 52.4%（约减半）；1052.5/4444.8 ≈ 23.7%（优于减半），文字表述保守且与数据一致\n- 结论：一致\n\n## 主张6：几何精度——本文 8–11cm，接近 lidar-SLAM 的 6–8cm，远优于 Nerfacto 的 14–76cm\n\n- 来源1（论文内）：Tab. I（三个数据集的 Accuracy 列）\n- 来源2（论文内）：Sec. IV-C 文字总结：the accuracy (8-11cm) is nearly on-par with lidar-slam (6-8cm) and much better than Nerfacto (14-76cm)\n- 逐项核对：Ours 3-cam Accuracy = 0.08（Maths）/0.09（HBAC）；Ours mono（FSC）= 0.11；lidar-SLAM = 0.06/0.05/0.08；Nerfacto = 0.76/0.28/0.14，与文字吻合\n- 结论：一致\n\n## 主张7：子图划分采用 Spectral Clustering，子图约 50×50m\n\n- 来源1（论文内）：Sec. III-D：partition the COLMAP-refined SLAM trajectory into clusters using Spectral Clustering [^39]\n- 来源2（论文内）：Sec. II-A：partitions large-scale scenes into local maps (approximately 50x50m)\n- 外部核验：Von Luxburg, A tutorial on spectral clustering, 2007 [^39]，方法真实\n- 结论：一致\n\n## 主张8：硬件配置——Frontier 含 3× 1.6MP Alphasense 鱼眼相机、Sevensense IMU、Hesai Pandar QT64 lidar\n\n- 来源1（论文内）：Sec. IV-A\n- 来源2（论文内）：Fig. 2 说明（Frontier 感知单元组成：3 fisheye cameras + IMU + 3D lidar）\n- 结论：论文内一致；定制硬件无法外部直接核验，但组件厂商与产品均真实存在\n\n## 主张9：训练配置——Nvidia RTX 3080 Ti、每次迭代 4096 rays、10000 次迭代约 5 分钟\n\n- 来源1（论文内）：Sec. IV-A：Nvidia RTX 3080 Ti and one iteration takes 4096 rays\n- 来源2（论文内）：Sec. IV-C：NeRF models are trained for 10000 iterations for 5 minutes\n- 结论：论文内一致；数值依赖作者报告，无独立外部验证源\n\n## 主张10：系统可扩展至 600 米以上轨迹的大规模场景\n\n- 来源1（论文内）：Abstract：scanning building scenes for 600 metres\n- 来源2（论文内）：Sec. I 贡献列表：trajectories over 600 metres；Fig. 1（8 个子图的 HBAC-Maths 重建）\n- 结论：论文内一致\n\n## 主张11：地面真值由 Leica BLK360 激光扫描仪采集，经 ICP 配准；评价指标沿用 DTU 惯例\n\n- 来源1（论文内）：Sec. IV-B\n- 来源2（论文内）：Fig. 3 说明（ground truth scan captured using a Leica BLK360）\n- 外部核验：Aanaes et al., DTU dataset, IJCV [^42]；Wang et al., SSIM, TIP 2004 [^43]，指标定义出处真实\n- 结论：一致\n\n### G.2 冲突与不确定性说明\n\n1. **发表出处不明**：正文未注明会议/期刊与年份。引用最晚为 2023（[^23][^27][^30][^31][^41]），IEEE 双栏排版，推测为 2023–2024 年机器人会议（如 ICRA/IROS）版本，但无法从文档内核实，故 publication_date 与 publication_venue 留空。\n2. **作者单位图例缺失**：角标 1/2 无图例。单位 1 高概率为牛津大学 Oxford Robotics Institute（依据：项目主页 ori-drs.github.io、数据采集地在牛津、VILENS 为该组系统）；Yash Bhalgat 的单位 2 无法从文中确认。\n3. **Tab. II 排版错位**：Markdown 表格部分行错位（如 Online 出现在 SSIM 列、Time 列错行、个别行首列方法名缺失），逐行数值读取存在不确定性；但「有先验更快且注册率 100%」的定性结论可由注册率列与 Time 列交叉验证，不受影响。\n4. **参考文献编号顺序异常**：文献列表中 [^10]（LOAM）之后为 [^12]（Fast-LIO2）再 [^11]（Super odometry），编号与排列顺序不一致，疑为排版错误；引用语义不受影响。\n5. **视觉指标与几何指标的张力**：Tab. I 中 Ours 3-cam 的 test PSNR（20.5/19.7）略低于 Nerfacto 3-cam（21.1/20.6）。本文优势在几何（Accuracy/Completeness），视觉指标部分场景略低；Sec. IV-B 亦承认曝光差异会压低 test PSNR。这不是数据矛盾，但引用结论时应区分维度，避免过度概括。\n6. **FSC 数据集仅用前相机**：Sec. IV-A 说明无人机左右相机拍到螺旋桨，故 Tab. I 中 FSC 仅有 mono 配置，与 HBAC/Maths 的 3-cam 结果不可直接比较。\n7. **[^21] 引用较间接**：频率编码引用 Vaswani et al., Attention is all you need（NeurIPS 2017），与 NeRF 原文引用位置编码的习惯一致，但作为 frequency encoding 的直接出处略显间接。\n8. **[^37] Detectron2 为 GitHub 仓库**而非同行评审文献，用于天空分割掩码；可复现性依赖该开源工具的版本稳定性。\n9. **代码与数据可得性受限**：仅给出项目主页（Abstract 末尾 <https://ori-drs.github.io/projects/silvr/），无代码仓库直链与数据集下载链接，独立复现> Tab. I/II 数值受限；损失权重等超参未完整给出。\n10. **「50% 计算时间缩减」的适用范围**：该结论来自 20 分钟以上任务（Sec. III-C）与 Tab. II 的 HBAC-Maths 序列（3254 张图、1270s），对更短序列、不同特征数或不同匹配器的外推未在文中验证。\n11. **外部检索限制**：本次核验以文档内部交叉验证与文献常识为主，未进行在线数据库检索；上述「文献真实」判断基于领域知识，如需正式审查建议进一步在 IEEE Xplore/ACM DL/arXiv 核对。\n\n### G.3 参考文献列表（按论文编号，含核验状态）\n\n| 编号 | 文献 | 核验状态 |\n|---|---|---|\n| [^1] | Schönberger & Frahm, Structure-from-Motion Revisited（COLMAP）, CVPR 2016 | 真实，描述一致 |\n| [^2] | Mildenhall et al., NeRF, Communications of the ACM, 65(1), 2021 | 真实（期刊版；原会议为 ECCV 2020） |\n| [^3] | Tancik et al., Nerfstudio, SIGGRAPH 2023 | 真实 |\n| [^4] | Müller et al., Instant-NGP, ACM TOG 41(4), 2022 | 真实 |\n| [^5] | Deng et al., Depth-supervised NeRF, CVPR 2022 | 真实 |\n| [^6] | Yu et al., MonoSDF, NeurIPS 2022 | 真实 |\n| [^7] | Wisth et al., VILENS, IEEE T-RO 39(1), 2023 | 真实 |\n| [^8] | Behley & Stachniss, Surfel-based SLAM, RSS 2018 | 真实 |\n| [^9] | Lin & Zhang, R3LIVE, ICRA 2022 | 真实 |\n| [^10] | Zhang & Singh, LOAM, RSS 2014 | 真实 |\n| [^11] | Zhao et al., Super odometry, IROS 2021 | 真实（列表顺序与编号不符，见 G.2-4） |\n| [^12] | Xu et al., Fast-LIO2, IEEE T-RO 38(4), 2022 | 真实（同上） |\n| [^13] | Tao et al., 概率深度补全 lidar 重建, IROS 2022 | 真实；与一作此前工作一致 |\n| [^14] | Furukawa & Ponce, PMVS, TPAMI 32(8), 2010 | 真实 |\n| [^15] | Rematas et al., Urban Radiance Fields, CVPR 2022 | 真实 |\n| [^16] | Bosse et al., Atlas framework, ICRA 2003 | 真实 |\n| [^17] | Ho et al., Virtual occupancy grid map, IROS 2018 | 真实 |\n| [^18] | Reijgwart et al., Voxgraph, RA-L 2020 | 真实 |\n| [^19] | Wang et al., 大规模弹性 lidar 重建, RAS 155, 2022 | 真实 |\n| [^20] | Tancik et al., Block-NeRF, CVPR 2022 | 真实 |\n| [^21] | Vaswani et al., Attention is all you need, NeurIPS 2017 | 真实；作为频率编码出处较间接（见 G.2-7） |\n| [^22] | Fridovich-Keil et al., Plenoxels, CVPR 2022 | 真实 |\n| [^23] | Kerbl et al., 3D Gaussian Splatting, ACM TOG 42(4), 2023 | 真实 |\n| [^24] | Yu et al., PlenOctrees, ICCV 2021 | 真实 |\n| [^25] | Barron et al., Mip-NeRF 360, CVPR 2022 | 真实 |\n| [^26] | Martin-Brualla et al., NeRF in the Wild, CVPR 2021 | 真实 |\n| [^27] | Li et al., Neuralangelo, CVPR 2023 | 真实 |\n| [^28] | Yariv et al., VolSDF, NeurIPS 2021 | 真实 |\n| [^29] | Wang et al., NeuS, NeurIPS 2021 | 真实 |\n| [^30] | Zhong et al., Shine-mapping, ICRA 2023 | 真实 |\n| [^31] | Deng et al., NeRF-LOAM, ICCV 2023 | 真实 |\n| [^32] | Lombardi et al., Neural Volumes, ACM TOG 38(4), 2019 | 真实 |\n| [^33] | Sitzmann et al., DeepVoxels, CVPR 2019 | 真实 |\n| [^34] | Sitzmann et al., Scene Representation Networks, NeurIPS 2019 | 真实 |\n| [^35] | Max, Optical models for direct volume rendering, TVCG 1(2), 1995 | 真实 |\n| [^36] | Kajiya & Von Herzen, Ray tracing volume densities, SIGGRAPH 1984 | 真实 |\n| [^37] | Wu et al., Detectron2, GitHub 2019 | 真实（非同行评审，见 G.2-8） |\n| [^38] | Azinović et al., Neural RGB-D Surface Reconstruction, CVPR 2022 | 真实 |\n| [^39] | Von Luxburg, A tutorial on spectral clustering, Statistics and Computing 17, 2007 | 真实 |\n| [^40] | Furgale et al., Kalibr, IROS 2013 | 真实 |\n| [^41] | Fu et al., 可微棋盘格相机-lidar 外参标定, IROS 2023 | 真实；与作者团队一致 |\n| [^42] | Aanaes et al., DTU dataset, IJCV 2016 | 真实 |\n| [^43] | Wang et al., SSIM, IEEE TIP 13(4), 2004 | 真实 |\n\n\n\n## 模块 H：图表与表格抽取（索引/打分/深读） / Module H: Figure/Table Mining (index, scoring, top deep dive)\n\n## Module H：图表提取与索引\n\n### 1. 图表完整索引\n\n#### 图（Figures）\n\n| 编号 | 标题/说明（意译） | 类型 | 位置 | 支持的论断 | 重要度评分（1–5） |\n|---|---|---|---|---|---|\n| Fig. 1 | 牛津 Maths Institute 与 H B Allen Centre 的 8 个子图（submaps）大规模重建；底行为模型合成的新视角与三处位置的表面法向渲染；每条子图轨迹以不同颜色显示 | 定性展示（系统级成果总览） | 首页（正文 Sec. IV-F 引用） | 子图机制可扩展至 600 m 级长轨迹；输出兼具照片级新视角合成与法向质量 | 5 |\n| Fig. 2 | 系统总览：定制感知单元 Frontier（3 鱼眼彩色相机 + IMU + 3D lidar）；在线状态估计轨迹经 COLMAP 精化并划分子图；相机图像、lidar 深度图与法向图共同训练 NeRF 得到最终 3D 重建 | 系统流水线框图 | Sec. III 开头 | 整体系统架构：SLAM → COLMAP 先验精化 → 子图划分 → NeRF 训练 | 5 |\n| Fig. 3 | Lidar-SLAM、Nerfacto（纯视觉）与本文方法的重建质量对比；按到 ground truth 的点到点距离着色（蓝 0 m → 红 1 m）；紫色轨迹叠加在 Leica BLK360 实扫 ground truth 上；含放大细节视图 | 定性对比（误差着色图） | Sec. IV-C | 本文方法比 lidar-only 重建更完整、比 vision-only 几何更一致 | 5 |\n| Fig. 4 | HBAC 建筑重建对比：仅前视相机 vs 三相机（3 Cameras / Front Camera） | 定性对比 | Sec. IV-C | 多相机配置在机器人无法主动环绕扫描的场景下产生更完整、更准确的重建 | 4 |\n| Fig. 5 | Maths Institute 表面法向渲染对比：加入法向约束（在 lidar 深度之外）改善重建平滑度；右侧地面部分突出该改进 | 定性消融 | Sec. III-B 提出、Sec. IV-D 分析 | 法向损失（式 3）在深度损失（式 2）之上进一步提升平坦表面平滑度 | 4 |\n| Fig. 6 | 子图数量对重建质量的影响：1 个 NeRF 地图 vs 4 个 NeRF 子图（右侧自行车架等细薄物体） | 定性消融 | Sec. IV-F | 子图划分显著改善细薄物体（bike racks）的重建质量 | 4 |\n\n#### 表（Tables）\n\n| 编号 | 标题 | 类型 | 位置 | 支持的论断 | 关键数值 | 重要度评分（1–5） |\n|---|---|---|---|---|---|---|\n| Tab. I | Evaluation of 3D Reconstruction Quality | 主定量结果表 | Sec. IV-C | SiLVR 几何精度接近 lidar-SLAM、远优于 Nerfacto；完整度优于 lidar-SLAM | Maths Quad：Ours 3-cam Acc 0.08 m / Comp 0.11 m，lidar-SLAM 0.06/0.15，Nerfacto 3-cam 0.76/0.31；HBAC：Ours 3-cam 0.09/0.18，lidar-SLAM 0.05/0.25，Nerfacto mono Comp 高达 5.40 m；FSC：Ours mono 0.11/0.09 | 5 |\n| Tab. II | Ablation: Effect of Bootstrapping SLAM Poses | 消融定量表 | Sec. IV-E | SLAM 先验使 COLMAP 图像注册率达 100%、位姿计算耗时约减半、测试渲染更好 | HBAC-Maths 数据集 3254 图 / 1270 s；COLMAP+prior（1024 特征）PSNR test 20.6、SSIM 0.74、耗时 1729.9 s，无先验为 19.1、0.71、3299.2 s；VILENS 在线 17.4/0.64；VocabTree 8192 无先验耗时 37067.5 s | 5 |\n\n### 2. 优先深读清单（Top-priority deep reads，按优先级）\n\n1. **Tab. I（必读）**：全文核心定量证据。读法要点：(a) Accuracy/Completeness 按 DTU 数据集约定定义（Sec. IV-B），ground truth 为 Leica BLK360 厘米级点云并经 ICP 配准；(b) Nerfacto mono 在 HBAC 的 Completeness 达 5.40 m，量化了纯视觉在机器人单向前行、无纹理场景下的崩溃程度；(c) Ours 的 PSNR test 略低于 Nerfacto 3-cam（如 Maths Quad 20.5 vs 21.1），作者以曝光差异解释（Sec. IV-B），本文主张落在几何指标而非渲染指标上。\n2. **Tab. II（必读）**：支撑「计算时间减半 + 全图注册」贡献。读法：固定特征数（1024 或 8192）比较有/无 SLAM 先验的 Time 与 Traj. Registered 两列；注意表注——模型仅训练 4000 次迭代、PSNR/SSIM 在掩掉天空后评估；VocabTree 8192 无先验的 37067.5 s 是耗时上界的极端案例。\n3. **Fig. 2（必读）**：理解系统的唯一总览图，串联 Sec. III-A–D 四个小节；注意数据流中「depth image + normal image」与式 (2)(3) 的对应，以及「COLMAP 精化 + 子图划分」的先后关系。\n4. **Fig. 3**：与 Tab. I 互为印证的定性证据；0–1 m 误差着色直观展示 Nerfacto 在无纹理地面/墙面的几何漂移与 lidar-SLAM 的覆盖缺失。\n5. **Fig. 5 + Fig. 6（合并深读）**：两个方法级消融的定性证据——法向损失修复「波浪伪影」（Sec. III-B 明言，见 Fig. 5），子图划分修复「细薄物体模糊」（Sec. IV-F，见 Fig. 6）。\n\n### 3. 图表关系 / 实验设置图\n\n``n传感器与数据采集\n  Frontier：3× Alphasense 鱼眼相机(1.6MP) + Sevensense IMU + Hesai Pandar QT64 lidar\n  平台：Spot 四足 / 手持（Oxford HBAC、Maths Inst.）；DJI M600 无人机（FSC，仅前视相机）\n        │\n        ▼\nVILENS 在线 lidar-inertial SLAM ──► 全局一致轨迹 + 运动校正点云\n        │\n        ▼\nCOLMAP（以 SLAM 位姿为先验，point triangulator 替代 mapper）\n\n- Sim(3) Umeyama 对齐恢复米制尺度 ←→ Tab. II（消融）、Fig. 2\n  │\n  ▼\n谱聚类划分子图（约 50×50 m）                ←→ Fig. 1、Fig. 6\n  │\n  ▼\nNerfacto 训练（每子图，局部坐标系）\n  光度损失 + 深度损失 Eq.(2)（KL 散度）+ 法向损失 Eq.(3) + 天空掩码\n  RTX 3080 Ti，4096 rays/iter，10000 iters ≈ 5 min\n  │\n  ▼\n子图合并（剔除低表面密度边界区域）→ 最终重建\n  │\n  ▼\n评估：Accuracy/Completeness（vs Leica BLK360 GT，ICP 配准）→ Tab. I、Fig. 3、Fig. 4\n  PSNR/SSIM（掩天空）→ Tab. I、Tab. II\n  法向渲染 → Fig. 5；新视角合成 → Fig. 1\n``n\n关系要点：\n- Fig. 2 是「方法侧」总纲，Tab. I / Tab. II 是「实验侧」总纲；二者经两条线对应：「深度图/法向图 → 式 (2)(3)」与「SLAM 先验 → COLMAP 精化」。\n- Fig. 3（定性）与 Tab. I（定量）共同支撑同一结论（几何精度 + 完整度）；Fig. 4 是 Tab. I 中 mono vs 3-cam 行的可视化。\n- Fig. 5 对应式 (3) 的消融，Fig. 6 对应 Sec. III-D 子图机制的消融，Fig. 1 是二者叠加后的系统级成果展示。\n\n### 4. 图表 → 结论映射\n\n| 论文结论/贡献（出处） | 支撑图表 | 证据强度说明 |\n|---|---|---|\n| 贡献 1：几何精度与 lidar 相当 + 照片级新视角合成（Sec. I） | Tab. I（Ours Acc 0.08–0.11 m vs lidar-SLAM 0.05–0.08 m）；Fig. 1（新视角 + 法向）；Fig. 3（误差着色） | 定量 + 定性双重支撑，强 |\n| 贡献 2：与 lidar SLAM 集成，深度 + 法向监督，米制尺度，计算时间减半（Sec. I；Sec. III-C） | Tab. II（1729.9 s vs 3299.2 s；注册率 100% vs 57.6%）；Fig. 5（法向损失）；式 (2)(3) | Tab. II 为直接量化证据，强；注意「减半」由 1024 特征 Sequential 配置直接体现，其他配置约 2.5–3.4×，正文表述略宽 |\n| 贡献 3：子图机制扩展至 600 m 大场景（Sec. I；Sec. III-D） | Fig. 1（8 子图）；Fig. 6（1 vs 4 子图，bike racks） | 以定性为主，无子图数量的定量扫描，中等 |\n| 贡献 4：多平台真实数据评估（Sec. I；Sec. IV-A） | Tab. I（Maths Quad / HBAC / FSC 三场景）；Fig. 3、Fig. 4 | 覆盖腿式 / 手持 / 无人机三平台，强 |\n| 多相机优于单前视相机（Sec. IV-C） | Fig. 4；Tab. I（mono vs 3-cam 行，如 HBAC Completeness 4.60 → 0.18 m） | 定量 + 定性，强 |\n| 法向损失改善平坦表面平滑度（Sec. IV-D） | Fig. 5；式 (3) | 仅定性（法向渲染对比），中等 |\n| SLAM 先验优于 NeRF 联合位姿精化（Sec. III-C） | Tab. II（NeRF refined：test PSNR 17.9 vs COLMAP+prior 20.6）；正文经验陈述（渲染欠锐利、训练不稳） | 定量 + 正文陈述，中强 |\n\n### 5. 图表可信度备注\n\n- Tab. I 中 lidar-SLAM 行的 PSNR/SSIM 以「/」标注：因其无渲染能力，视觉指标对比仅限 NeRF 类方法。\n- Tab. II 表头存在排版瑕疵（SSIM 列重复标注 Test、VILENS/NeRF refined 行的 Time 列写为 Online），数值解读需按列名仔细对齐。\n- FSC 数据集仅报告 mono 配置（无人机左右相机拍到螺旋桨，Sec. IV-A），故 Tab. I 的 FSC 分块无 3-cam 行。\n- 评估时裁剪了 ground truth 与 lidar 扫描无重叠或有变化的区域（Sec. IV-C），Accuracy/Completeness 数值应在此前提下解读。\n- Fig. 1/3/4/5/6 均为定性证据，论文未提供对应的逐图定量数值；定量结论以 Tab. I / Tab. II 为准。"
}