HGS-Mapping: 使用混合高斯表示的城市场景在线密集建图
计算机视觉与模式识别
2024-04-01 v1
摘要
城市场景的在线密集建图是自动驾驶车辆场景理解与导航的基础基石。最近的建图方法主要基于NeRF，其渲染速度太慢，无法满足在线需求。3D高斯泼溅（3DGS）的渲染速度比NeRF快数百倍，在在线密集建图中具有更大潜力。然而，将3DGS集成到街景密集建图框架中仍面临两个挑战，包括由于缺乏LiDAR覆盖区域之外的几何信息而导致的非完整重建，以及大型城市场景中重建所需的巨大计算量。为此，我们提出了HGS-Mapping，一个用于无界大规模场景的在线密集建图框架。为了实现完整构建，我们的框架引入了混合高斯表示，它使用具有不同属性的高斯来建模整个场景的不同部分。此外，我们采用混合高斯初始化机制和自适应更新方法来实现高保真和快速重建。据我们所知，我们是第一个将高斯表示集成到城市场景在线密集建图中的。我们的方法在仅使用66%的高斯数量的情况下实现了SOTA重建精度，重建速度提高了20%。
引用
@article{arxiv.2403.20159,
title = {HGS-Mapping: Online Dense Mapping Using Hybrid Gaussian Representation in Urban Scenes},
author = {Ke Wu and Kaizhao Zhang and Zhiwei Zhang and Shanshuai Yuan and Muer Tie and Julong Wei and Zijun Xu and Jieru Zhao and Zhongxue Gan and Wenchao Ding},
journal= {arXiv preprint arXiv:2403.20159},
year = {2024}
}