RoGs：基于网格高斯的道路表面大规模重建
计算机视觉与模式识别
2024-11-22 v3
摘要
道路表面重建在自动驾驶中起着关键作用，可用于车道感知和自动标注。最近，基于网格的道路表面重建算法显示出有希望的重建结果。然而，这些基于网格的方法存在速度慢和重建质量差的问题。为了解决这些限制，我们提出了一种新颖的大规模道路表面重建方法，使用网格高斯，命名为RoGs。具体来说，我们通过在均匀分布的方形网格顶点放置高斯曲面元来建模道路表面，每个曲面元存储颜色、语义和几何信息。这种基于方形网格的布局用更少的高斯曲面元覆盖整个道路，并减少了训练期间高斯曲面元之间的重叠。此外，由于道路表面没有厚度，2D高斯曲面元比3D高斯球更符合道路表面的物理现实。然后，与之前依赖点云的初始化方法不同，我们引入了一种基于车辆姿态的初始化方法来初始化高斯曲面元的高度和旋转。得益于这种网格高斯建模和基于姿态的初始化，我们的方法在提高重建质量的同时实现了显著的加速。我们在各种具有挑战性的真实场景中获得了出色的道路表面重建结果。
引用
@article{arxiv.2405.14342,
title = {RoGs: Large Scale Road Surface Reconstruction with Meshgrid Gaussian},
author = {Zhiheng Feng and Wenhua Wu and Tianchen Deng and Hesheng Wang},
journal= {arXiv preprint arXiv:2405.14342},
year = {2024}
}