GeoNLF：基于几何引导的姿态自由神经LiDAR场
计算机视觉与模式识别
2024-07-09 v1 图形学
摘要
虽然近期努力将神经辐射场(NeRF)扩展到LiDAR点云合成，但大多数现有工作对预计算姿态依赖很强。然而，点云配准方法难以实现精确的全局姿态估计，而以往的姿态自由NeRF则忽略了全局重建中的几何一致性。鉴于此，我们探索了点云的几何洞见，这些洞见为重建提供了显式的配准先验。基于此，我们提出了几何引导的神经LiDAR场(GeoNLF)，一种交替进行全局神经重建和纯几何姿态优化的混合框架。此外，NeRF倾向于过拟合单个帧，在稀疏视图输入下容易陷入局部最小值。为解决此问题，我们开发了选择性重加权策略并引入几何约束以实现稳健优化。在NuScenes和KITTI-360数据集上进行的大量实验表明，GeoNLF在新视角合成和大规模稀疏点云的多视角配准中均显示出优越性。
引用
@article{arxiv.2407.05597,
title = {GeoNLF: Geometry guided Pose-Free Neural LiDAR Fields},
author = {Weiyi Xue and Zehan Zheng and Fan Lu and Haiyun Wei and Guang Chen and Changjun Jiang},
journal= {arXiv preprint arXiv:2407.05597},
year = {2024}
}