ParkingTwin：面向停车场数字孪生的免训练流式三维重建
计算机视觉与模式识别
2026-01-21 v1
摘要
高保真停车场数字孪生为自动代客泊车（AVP）中的路径规划、碰撞检查和感知验证提供了必要的先验信息。然而，面向机器人的重建面临一个三难困境：稀疏的前向视图导致弱视差和病态几何；动态遮挡和极端光照阻碍了稳定的纹理融合；而神经渲染通常需要昂贵的离线优化，违反了边缘端流式处理的约束。我们提出了 ParkingTwin，一个用于在线流式三维重建的免训练、轻量级系统。首先，OSM 先验驱动的几何构建利用 OpenStreetMap 语义拓扑直接生成度量一致的 TSDF，用确定性映射取代了盲目的几何搜索，避免了昂贵的优化。其次，几何感知的动态滤波采用四模态约束场（法线/高度/深度一致性）来实时剔除移动车辆和瞬态遮挡物。第三，CIELAB 中的光照鲁棒融合通过自适应 L 通道加权和深度梯度抑制来解耦亮度和色度，减少了光照突变下的接缝。ParkingTwin 在入门级 GTX 1660 上以 30+ FPS 运行。在一个 68,000 平方米的真实世界数据集上，它实现了 0.87 的 SSIM（+16.0%），提供了约 15 倍的端到端加速，并且与通常需要高端 GPU（RTX 4090D）的最先进 3D 高斯泼溅（3DGS）相比，GPU 内存减少了 83.3%。该系统输出与 Unity/Unreal 数字孪生管线兼容的显式三角形网格。项目页面：https://mihoutao-liu.github.io/ParkingTwin/
引用
@article{arxiv.2601.13706,
title = {ParkingTwin: Training-Free Streaming 3D Reconstruction for Parking-Lot Digital Twins},
author = {Xinhao Liu and Yu Wang and Xiansheng Guo and Gordon Owusu Boateng and Yu Cao and Haonan Si and Xingchen Guo and Nirwan Ansari},
journal= {arXiv preprint arXiv:2601.13706},
year = {2026}
}
备注
35 pages, 10 figures. Submitted to ISPRS Journal of Photogrammetry and Remote Sensing. Under review