用于大规模场景精细表面重建的3D高斯泼溅

3D高斯泼溅的最新进展在表面重建方面取得了显著进展。然而，由于高昂的计算需求以及户外环境典型的复杂动态外观，将这些方法扩展到大规模场景仍然具有挑战性。这些挑战阻碍了其在航空测量和自动驾驶中的应用。本文提出了一种由全尺寸图像监督的、具有精细细节的大规模表面重建新方法。首先，我们引入了一种由粗到细的策略，以高效地重建粗模型，随后进行自适应场景划分和基于图像片段的子场景细化。此外，我们集成了一个解耦外观模型以捕捉全局外观变化，并引入了一个瞬态掩码模型以减轻移动物体的干扰。最后，我们扩展了多视图约束，并针对无纹理区域引入了单视图正则化。我们的实验在公开可用的数据集GauU-Scene V2上进行，该数据集是使用无人机捕获的。据我们所知，我们的方法优于现有的基于NeRF和基于高斯的方法，通过全尺寸图像优化实现了高保真视觉结果和精确的表面。开源代码将在GitHub上提供。