利用辐射场创建无缝 3D 地图

在导航、虚拟旅游和城市规划等应用中，人们希望能从 2D 输入图像创建 3D 物体模型和 3D 地图。创建 3D 地图的传统方法（如摄影测量）需要大量图像和里程计数据。此外，传统方法在处理反射表面和镜面反射时存在困难；场景中的窗户和镀铬物体可能会带来问题。Google Road View 是一个为人熟知的应用，它使用传统方法将一组 2D 输入图像融合成 3D 地图的错觉。然而，Google Road View 并不创建实际的 3D 物体模型，而只是一组视图的集合。本工作的目标是使用更新的技术创建实际的 3D 物体模型。Neural Radiance Fields (NeRF[1]) 已成为一种潜在的解决方案，提供了生成更精确、更精细的 3D 地图的能力。Gaussian Splatting[4] 是另一种当代技术。本研究将 Neural Radiance Fields 与 Gaussian Splatting 进行比较，并描述了它们的一些内部工作原理。我们的主要贡献是一种改进 3D 重建模型结果的方法。我们的结果表明，Gaussian Splatting 优于 NeRF 技术。