产品简介
PINGS 是一个开源工具，能统一处理距离场和辐射场，基于神经点图实现高保真环境重建，适用于机器人开发和研究，解决几何准确与光逼真重建难以兼顾的痛点。
核心功能
- 统一距离场和辐射场在神经点图中
- 支持增量映射和全局一致性维护
- 实现 LiDAR 与视觉数据融合
- 生成高保真环境地图用于渲染和 SLAM
- 基于紧凑神经点表示提高效率
快速开始
- 克隆仓库：git clone git@github.com:PRBonn/PINGS.git --recursive
- 创建并激活 conda 环境：conda create --name pings python=3.10；conda activate pings
- 安装 PyTorch：conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=11.8 -c pytorch -c nvidia
- 安装其他依赖：pip3 install -r requirements.txt
- 运行 PINGS：python3 pings.py -h 查看用法
界面预览
与其他方案对比
| 对比项 | PINGS | 同类方案 |
|---|---|---|
| 光度和几何渲染质量 | PINGS 通过距离场约束，在新颖视角下实现更优的光度和几何渲染 | 现有方法在渲染质量和地图一致性上可能不足 |
适合谁用
- 机器人工程师，需要高精度环境地图用于导航
- SLAM 研究人员，探索神经网络地图表示
- 计算机视觉开发者，从事 3D 重建和渲染项目
下载与版本
当前最新版本为 rss25，发布于 2026-05-11。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/PRBonn/PINGS