LiSu: 基于激光雷达表面法线估计的数据集与方法

虽然表面法线广泛用于分析 3D 场景几何，但从激光雷达点云估计表面法线仍严重缺乏研究。这源于一方面缺乏大规模带标注激光雷达数据集，另一方面缺乏能在合理时间内稳健处理稀疏且常含噪声激光雷达数据的算法。为此，我们利用交通仿真引擎构建了 LiSu 数据集，这是首个大规模、合成激光雷达点云数据集，配有真实表面法线标注，无需繁琐的手动标注。此外，我们提出一种新方法，利用自主驾驶数据的时空特性来提升表面法线估计精度。通过引入两个正则化项，我们在相邻点之间强制空间一致性，在连续激光雷达帧之间实现时序平滑性。这些正则化项在自训练场景中尤为有效，可减轻噪声伪标签的影响，实现稳健的实际部署。我们在 LiSu 数据集上证明了该方法有效性，实现了激光雷达表面法线估计的状态最佳性能。更重要的是，我们展示了其在应对合成到真实域适应挑战方面的潜力，显著提升了真实数据上的神经网络表面重建质量。