RoMe：基于网格表示的大规模路面重建方法
计算机视觉与模式识别
2024-06-24 v4
摘要
在自动驾驶应用中，准确且高效的路面重建至关重要。本文提出 RoMe，一种专为大规模路面鲁棒重建设计的新型框架。RoMe 利用独特的网格表示，确保重建的路面准确且与语义无缝对齐。为应对计算效率方面的挑战，我们提出了一种航点采样策略，使 RoMe 能够通过聚焦子区域并随后合并来重建广阔环境。此外，我们引入了外参优化模块，以增强对外参标定不准确的鲁棒性。我们在公开数据集和野外数据上的广泛评估凸显了 RoMe 在速度、精度和鲁棒性方面的优越性。例如，从数千张图像中恢复 600*600 平方米的路面仅需 2 个 GPU 小时。值得注意的是，RoMe 的能力超越单纯重建，为自动驾驶应用中的自动标注任务提供了重要价值。所有相关数据与代码见 https://github.com/DRosemei/RoMe。
引用
@article{arxiv.2306.11368,
title = {RoMe: Towards Large Scale Road Surface Reconstruction via Mesh Representation},
author = {Ruohong Mei and Wei Sui and Jiaxin Zhang and Xue Qin and Gang Wang and Tao Peng and Cong Yang},
journal= {arXiv preprint arXiv:2306.11368},
year = {2024}
}
备注
Published in: IEEE Transactions on Intelligent Vehicles