LR-SGS: 基于LiDAR反射率引导的稳健LiDAR-反射率导向显著高斯溅写

最近的3D高斯溅写（3D Gaussian Splatting, 3DGS）方法已展示了自主驾驶场景重建和新视角合成的可行性。然而，大多数现有方法要么仅依赖摄像头，要么仅在高斯初始化或深度监督中使用LiDAR，而未充分利用点云中包含的丰富场景信息（如反射率），以及LiDAR与RGB之间的互补性，导致在高ego-motion和复杂光照的自主驾驶场景中性能下降。为此，我们提出一种稳健且高效的LiDAR反射率引导的显著高斯溅写方法（LR-SGS），用于自主驾驶场景，引入结构感知的显著高斯表示，从LiDAR中提取的几何和反射率特征点初始化，并通过显著变换和改进的密度控制进行细化，以捕获边缘和平面结构。此外，我们将LiDAR强度校准为反射率并附加至每个高斯作为一个灯光不变的材料通道，与RGB联合对齐以实现边界一致性。大量实验表明，LR-SGS在更少的高斯数和更短的训练时间下实现了优异的重建性能。特别是在复杂光照场景中，我们的方法相较于OmniRe提升了1.18 dB PSNR。