Shoot-Bounce-3D: 通过分解双反弹光实现单次测量的遮挡感知三维激光雷达重建
计算机视觉与模式识别
2025-12-09 v1
摘要
从单次测量中进行三维场景重建具有挑战性,尤其是在存在遮挡区域和镜面材料的情况下。我们通过利用单光子激光雷达来解决这些挑战。这类激光雷达通过将光发射到场景中并直接反射回传感器来估计深度。然而,它们也可以测量光在到达传感器之前在场景中多次反弹后的光。这种多反弹光包含可用于恢复密集深度、遮挡几何和材料特性的额外信息。此前单光子激光雷达的工作仅在激光逐个场景点顺序照亮的条件下演示了这些用例。我们转而关注更实际——也更具挑战性——的场景,即同时照亮多个场景点。由于复用照明、双反弹光、阴影和镜面反射的联合效应导致的光传输复杂性难以解析求逆。因此,我们提出了一种数据驱动的方法来反演单光子激光雷达中的光传输。为实现该方法,我们创建了首个大规模的室内场景模拟激光雷达瞬态数据集,约包含10万个数据点。我们利用该数据集学习复杂光传输的先验知识,使得测量到的双反弹光能够被分解为来自每个激光斑点的成分贡献。最后,我们实验性地展示了这种分解后的光如何用于从单次测量中推断存在遮挡和镜面的场景中的三维几何。我们的代码和数据集已发布于 https://shoot-bounce-3d.github.io。
引用
@article{arxiv.2512.06080,
title = {Shoot-Bounce-3D: Single-Shot Occlusion-Aware 3D from Lidar by Decomposing Two-Bounce Light},
author = {Tzofi Klinghoffer and Siddharth Somasundaram and Xiaoyu Xiang and Yuchen Fan and Christian Richardt and Akshat Dave and Ramesh Raskar and Rakesh Ranjan},
journal= {arXiv preprint arXiv:2512.06080},
year = {2025}
}
备注
SIGGRAPH Asia 2025. Project page: https://shoot-bounce-3d.github.io