EMIE-MAP：基于显式网格与隐式编码的大规模路面重建
计算机视觉与模式识别
2024-03-19 v1
摘要
路面重建在自动驾驶系统中扮演着至关重要的角色，能够实现车道感知和高精度建图。近年来，神经隐式编码在场景表示中取得了显著成果，特别是在场景纹理的真实感渲染方面。然而，它在直接表示大规模场景的几何信息时面临挑战。为了解决这个问题，我们提出了 EMIE-MAP，一种基于显式网格和隐式编码的大规模路面重建新方法。路面几何使用显式网格表示，其中每个顶点存储表示颜色和语义信息的隐式编码。为了克服路面高程优化的困难，我们引入了基于轨迹的高程初始化和基于多层感知机（MLP）的高程残差学习方法。此外，通过采用隐式编码和多相机颜色 MLP 解码，我们实现了场景物理属性与相机特性的分离建模，从而允许与不同相机模型兼容的环视重建。我们的方法在多种真实世界挑战性场景中实现了卓越的路面重建性能。
引用
@article{arxiv.2403.11789,
title = {EMIE-MAP: Large-Scale Road Surface Reconstruction Based on Explicit Mesh and Implicit Encoding},
author = {Wenhua Wu and Qi Wang and Guangming Wang and Junping Wang and Tiankun Zhao and Yang Liu and Dongchao Gao and Zhe Liu and Hesheng Wang},
journal= {arXiv preprint arXiv:2403.11789},
year = {2024}
}