4DRadar-GS：基于 4D 雷达的自监督动态驾驶场景重建
计算机视觉与模式识别
2025-09-17 v1
摘要
三维重建与新视角合成对于验证自动驾驶系统和训练高级感知模型至关重要。由于成本效益高且在无标注边界框场景中泛化能力增强，最近的自监督方法受到了广泛关注。然而，现有方法通常依赖频域解耦或光流，由于运动估计不精确和时间一致性弱，难以准确重建动态物体，导致动态场景元素的表示不完整或失真。为解决这些挑战，我们提出了 4DRadar-GS，一个专为动态驾驶场景定制的 4D 雷达增强的自监督三维重建框架。具体而言，我们首先提出了一种 4D 雷达辅助的高斯初始化方案，利用 4D 雷达的速度和空间信息来分割动态物体并恢复单目深度尺度，从而生成精确的高斯点表示。此外，我们提出了一个速度引导的点跟踪（VGPT）模型，该模型在场景流监督下与重建流程联合训练，以追踪细粒度动态轨迹并构建时间一致的表示。在 OmniHD-Scenes 数据集上的评估表明，4DRadar-GS 在动态驾驶场景三维重建中达到了最先进的性能。
引用
@article{arxiv.2509.12931,
title = {4DRadar-GS: Self-Supervised Dynamic Driving Scene Reconstruction with 4D Radar},
author = {Xiao Tang and Guirong Zhuo and Cong Wang and Boyuan Zheng and Minqing Huang and Lianqing Zheng and Long Chen and Shouyi Lu},
journal= {arXiv preprint arXiv:2509.12931},
year = {2025}
}