MagicRoad：基于障碍物修复的语义感知三维道路表面重建
计算机视觉与模式识别
2025-08-01 v1
摘要
道路表面重建对自动驾驶至关重要，可在复杂的城市环境中支持厘米级精度的车道感知与高精地图构建。尽管近期基于网格渲染或三维高斯泼溅 (3DGS) 的方法在干净且静态的条件下取得了良好效果，但它们仍易受动态智能体遮挡、静态障碍物视觉杂乱以及光照和天气变化引起的外观退化影响。我们提出了一种鲁棒的重建框架，将遮挡感知的二维高斯面元与语义引导的颜色增强相结合，以恢复干净、一致的道路表面。该方法利用适配平面的高斯表示进行高效的大规模建模，采用分割引导的视频修复去除动态和静态前景物体，并通过 HSV 空间中的语义感知校正增强颜色一致性。在城市规模数据集上的大量实验表明，我们的框架能产生视觉连贯且几何忠实的重建结果，在真实世界条件下显著优于现有方法。
引用
@article{arxiv.2507.23340,
title = {MagicRoad: Semantic-Aware 3D Road Surface Reconstruction via Obstacle Inpainting},
author = {Xingyue Peng and Yuandong Lyu and Lang Zhang and Jian Zhu and Songtao Wang and Jiaxin Deng and Songxin Lu and Weiliang Ma and Dangen She and Peng Jia and XianPeng Lang},
journal= {arXiv preprint arXiv:2507.23340},
year = {2025}
}