GS-LiDAR：基于全景高斯溶解生成真实 LiDAR 点云
计算机视觉与模式识别
2025-02-06 v2 图形学
图像与视频处理
摘要
LiDAR novel view synthesis (NVS) 在 LiDAR 模拟领域已成为一种新兴任务，为来自新视角的模拟点云数据提供了有价值的支持。然而，现有的 LiDAR NVS 方法通常依赖神经辐射场 (NeRF) 作为 3D 表示，这在训练和渲染中带来了显著的计算成本。此外，NeRF 及其变体设计用于对称场景，使其不适用于驾驶场景。为解决这些挑战，我们提出了 GS-LiDAR，一个用于生成真实 LiDAR 点云的新型框架。我们的方法采用具有周期振动特性的 2D 高斯原语，允许对驾驶场景中静态和动态元素的进行精确几何重建。我们进一步引入了以显式光线-高斯相交为导向的全景渲染技术。通过将强度和光线-球面谐和 (SH) 系数纳入高斯原语，我们增强了渲染点云的真实感。在 KITTI-360 和 nuScenes 上的大量实验表明，我们的方法在定量指标、视觉质量以及训练和渲染效率方面均优于现有方法。
引用
@article{arxiv.2501.13971,
title = {GS-LiDAR: Generating Realistic LiDAR Point Clouds with Panoramic Gaussian Splatting},
author = {Junzhe Jiang and Chun Gu and Yurui Chen and Li Zhang},
journal= {arXiv preprint arXiv:2501.13971},
year = {2025}
}