PC-NeRF：利用稀疏 LiDAR 帧进行自动驾驶环境下的父子神经辐射场
计算机视觉与模式识别
2024-02-15 v1 机器人学
摘要
大规模三维场景重建与新视角合成对于自动驾驶车辆至关重要，尤其是利用时间上稀疏的 LiDAR 帧。然而，传统的显式表示法在无限分辨率下表示重建和合成场景方面仍然存在显著瓶颈。尽管最近开发的神经辐射场（NeRF）在隐式表示方面展示了令人信服的结果，但利用稀疏 LiDAR 帧进行大规模三维场景重建和新视角合成的问题仍未得到探索。为了填补这一空白，我们提出了一种名为父子神经辐射场（PC-NeRF）的三维场景重建与新视角合成框架。基于其两个模块——父 NeRF 和子 NeRF，该框架实现了分层空间划分和多级场景表示，包括场景级、片段级和点级。多级场景表示增强了对稀疏 LiDAR 点云数据的高效利用，并能够快速获得近似的体素场景表示。大量实验证明，PC-NeRF 能够在大规模场景中实现高精度的新 LiDAR 视角合成和三维重建。此外，PC-NeRF 能够有效处理 LiDAR 帧稀疏的情况，并在有限的训练轮次中展现出高部署效率。我们的实现代码和预训练模型可在 https://github.com/biter0088/pc-nerf 获取。
引用
@article{arxiv.2402.09325,
title = {PC-NeRF: Parent-Child Neural Radiance Fields Using Sparse LiDAR Frames in Autonomous Driving Environments},
author = {Xiuzhong Hu and Guangming Xiong and Zheng Zang and Peng Jia and Yuxuan Han and Junyi Ma},
journal= {arXiv preprint arXiv:2402.09325},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2310.00874