LiHi-GS：面向高速公路驾驶场景重建的 LiDAR 监督 Gaussian Splatting
计算机视觉与模式识别
2025-11-26 v3 机器人学
摘要
逼真的 3D 场景重建在自动驾驶中发挥着重要作用，它能够从现有数据集中生成新数据，以模拟安全关键场景并在无需额外采集成本的情况下扩展训练数据。Gaussian Splatting (GS) 通过场景的显式 3D 高斯表示促进了实时、逼真的渲染，与隐式 Neural Radiance Fields (NeRFs) 相比，提供了更快的处理速度和更直观的场景编辑。尽管广泛的 GS 研究在自动驾驶应用中取得了可喜的进展，但它们忽略了两个关键方面：首先，现有方法主要关注低速且特征丰富的城市场景，忽略了高速公路场景在自动驾驶中的重要作用。其次，虽然 LiDAR 在自动驾驶平台中很常见，但现有方法主要从图像中学习，仅将 LiDAR 用于初始估计或未进行精确的传感器建模，从而错失了利用 LiDAR 提供的丰富深度信息的机会，并限制了合成 LiDAR 数据的能力。在本文中，我们提出了一种新的 GS 方法，用于动态场景合成与编辑，通过 LiDAR 监督改进场景重建并支持 LiDAR 渲染。据我们所知，与以往主要在城市数据集上测试的工作不同，我们是首个关注对自动驾驶而言更具挑战性且高度相关的高速公路场景的研究，这些场景具有稀疏的传感器视角和单调的背景。访问我们的项目页面：https://umautobots.github.io/lihi_gs
引用
@article{arxiv.2412.15447,
title = {LiHi-GS: LiDAR-Supervised Gaussian Splatting for Highway Driving Scene Reconstruction},
author = {Pou-Chun Kung and Xianling Zhang and Katherine A. Skinner and Nikita Jaipuria},
journal= {arXiv preprint arXiv:2412.15447},
year = {2025}
}
备注
RA-L 2025