LetsGo：基于 LiDAR 辅助高斯原语的大规模车库建模与渲染
计算机视觉与模式识别
2025-06-03 v3 图形学
摘要
大型车库是普遍存在但复杂的场景，由于其单调的颜色、重复的图案、反射表面和透明的车辆玻璃，带来了独特的挑战。传统的用于相机姿态估计和 3D 重建的运动恢复结构 (SfM) 方法在这些环境中常因对应关系构建不佳而失败。为了应对这些挑战，我们引入了 LetsGo，一个用于大规模车库建模和渲染的 LiDAR 辅助高斯泼溅框架。我们开发了一种手持扫描仪 Polar，配备了 IMU、LiDAR 和鱼眼相机，以促进精确的数据采集。使用这个 Polar 设备，我们展示了 GarageWorld 数据集，该数据集包含八个具有不同几何结构的广阔车库场景，将公开提供以供进一步研究。我们的方法表明，由 Polar 设备收集的 LiDAR 点云显著增强了一系列用于车库场景建模和渲染的 3D 高斯泼溅算法。我们引入了一种新颖的深度正则化器，可有效消除渲染图像中的漂浮伪影。此外，我们提出了一种为细节层次 (LOD) 渲染设计的多分辨率 3D 高斯表示。这包括针对各个级别的自适应缩放因子以及一种随机分辨率级别训练方案，以优化不同分辨率下的高斯。这种表示能够通过基于 Web 的渲染器在轻量级设备上高效渲染大规模车库场景。在我们的 GarageWorld 数据集以及 ScanNet++ 和 KITTI-360 上的实验结果表明，我们的方法在渲染质量和资源效率方面具有优越性。
引用
@article{arxiv.2404.09748,
title = {LetsGo: Large-Scale Garage Modeling and Rendering via LiDAR-Assisted Gaussian Primitives},
author = {Jiadi Cui and Junming Cao and Fuqiang Zhao and Zhipeng He and Yifan Chen and Yuhui Zhong and Lan Xu and Yujiao Shi and Yingliang Zhang and Jingyi Yu},
journal= {arXiv preprint arXiv:2404.09748},
year = {2025}
}
备注
Project Page: https://zhaofuq.github.io/LetsGo/