GS-SDF: LiDAR增强的高斯溅射与神经SDF用于几何一致渲染与重建
机器人学
2025-07-30 v2 计算机视觉与模式识别
摘要
数字孪生是自动驾驶和具身人工智能发展的基础。然而，实现高粒度表面重建和高保真渲染仍然具有挑战性。高斯溅射提供了高效的照片级真实渲染，但由于机器人应用中碎片化的基元和稀疏的观测数据，在几何一致性方面存在困难。现有的依赖渲染导出约束的正则化方法在复杂环境中往往失效。此外，将稀疏LiDAR数据与高斯溅射有效集成仍然具有挑战性。我们提出了一种统一的LiDAR-视觉系统，将高斯溅射与神经有符号距离场协同结合。精确的LiDAR点云使训练好的神经有符号距离场能够提供流形几何场。这促使我们提出基于SDF的高斯初始化，用于物理基础的基元放置，以及全面的几何正则化，以实现几何一致的渲染与重建。实验表明，该方法在多种轨迹上具有优越的重建精度和渲染质量。为了造福社区，代码已发布于 https://github.com/hku-mars/GS-SDF。
引用
@article{arxiv.2503.10170,
title = {GS-SDF: LiDAR-Augmented Gaussian Splatting and Neural SDF for Geometrically Consistent Rendering and Reconstruction},
author = {Jianheng Liu and Yunfei Wan and Bowen Wang and Chunran Zheng and Jiarong Lin and Fu Zhang},
journal= {arXiv preprint arXiv:2503.10170},
year = {2025}
}
备注
8 pages, IROS 2025