塑造你的路面：超越平面表示的道路表面细化
计算机视觉与模式识别
2025-08-22 v1 机器人学
摘要
从航空图像重建道路表面是无人驾驶、城市规划和虚拟仿真中的基础性问题，平滑性、紧凑性和准确性是关键质量因素。现有的重建方法常产生制图 artifact 和不一致性，限制了实际可用性，而下游任务倾向于为简洁性而将道路简化为平面，却牺牲了准确性。我们引入 FlexRoad，即第一个直接针对道路表面平滑化的框架，通过拟合 Non-Uniform Rational B-Splines（NURBS）表面来处理来自航测重建或地理数据提供商获取的 3D 道路点。我们的方法核心运用 Elevation-Constrained Spatial Road Clustering（ECSRC）算法进行鲁棒性异常校正，显著降低了表面粗糙度和拟合误差。为促进道路表面重建方法之间的定量比较，我们提出 GeoRoad 数据集（GeRoD），收录来自公开地理数据的多样化道路表面和地形轮廓。在 GeRoD 和基于航测的 DeepScenario Open 3D 数据集（DSC3D）上的实验表明，FlexRoad 在多种指标上均显著优于常用道路表面表示方式，且对各种输入来源、地形和噪声类型都不敏感。通过进行消融研究，我们确定了每个组件对高质量重建性能的关键作用，使 FlexRoad 成为一种通用的真实道路表面建模方法。
引用
@article{arxiv.2504.16103,
title = {Shape Your Ground: Refining Road Surfaces Beyond Planar Representations},
author = {Oussema Dhaouadi and Johannes Meier and Jacques Kaiser and Daniel Cremers},
journal= {arXiv preprint arXiv:2504.16103},
year = {2025}
}