BEV-GS：基于鸟瞰视角的前馈高斯溅射路面重建
图形学
2025-04-21 v1 机器人学
摘要
路面是轮子或机器人脚踏的唯一接触介质。路面重建对无人车和移动机器人至关重要。最近的神经辐射场（NeRF）和高斯溅射（GS）研究在场景重建方面取得了显著成果。然而，它们通常依赖多视角图像输入，并需要长时间的优化。本文提出 BEV-GS，一种基于前馈高斯溅射的单帧实时路面重建方法。BEV-GS 包含预测模块和渲染模块。预测模块遵循鸟瞰视角范式，引入独立的几何和纹理网络。直接从单帧估计几何和纹理参数，避免 per-scene 优化。在渲染模块中，我们利用网格高斯进行路面表示和新视角合成，这更符合路面特征。我们的方法在真实世界数据集 RSRD 上实现了最先进的性能。路面 elevation 误差降至 1.73 cm，新视角合成的 PSNR 达到 28.36 dB。预测和渲染 FPS 分别为 26 和 2061，能够实现高精度和实时应用。代码将在 GitHub 上提供。
引用
@article{arxiv.2504.13207,
title = {BEV-GS: Feed-forward Gaussian Splatting in Bird's-Eye-View for Road Reconstruction},
author = {Wenhua Wu and Tong Zhao and Chensheng Peng and Lei Yang and Yintao Wei and Zhe Liu and Hesheng Wang},
journal= {arXiv preprint arXiv:2504.13207},
year = {2025}
}