FreeDriveRF：基于点级动静态解耦的无位姿单目RGB自动驾驶动态NeRF
计算机视觉与模式识别
2025-05-15 v1
摘要
面向自动驾驶的动态场景重建使车辆能够更精确地感知和解释复杂的场景变化。动态神经辐射场最近在场景建模中展现出良好的能力。然而，许多现有方法严重依赖精确的位姿输入和多传感器数据，导致系统复杂性增加。为了解决这一问题，我们提出了FreeDriveRF，该方法仅使用序列RGB图像重建动态驾驶场景，无需位姿输入。我们创新性地在早期采样阶段利用语义监督解耦动态和静态部分，减轻了图像模糊和伪影。为了克服单目相机中物体运动和遮挡带来的挑战，我们引入了扭曲射线引导的动态物体渲染一致性损失，利用光流更好地约束动态建模过程。此外，我们结合估计的动态流来约束位姿优化过程，提高了无界场景重建的稳定性和准确性。在KITTI和Waymo数据集上进行的大量实验表明，我们的方法在自动驾驶动态场景建模中具有优越的性能。
引用
@article{arxiv.2505.09406,
title = {FreeDriveRF: Monocular RGB Dynamic NeRF without Poses for Autonomous Driving via Point-Level Dynamic-Static Decoupling},
author = {Yue Wen and Liang Song and Yijia Liu and Siting Zhu and Yanzi Miao and Lijun Han and Hesheng Wang},
journal= {arXiv preprint arXiv:2505.09406},
year = {2025}
}
备注
7 pages, 9 figures, accepted by ICRA2025