基于 Unscented Transform 的 SimULi：实时激光雷达与摄像机仿真

对自动化机器人（如自动驾驶车辆）进行严格测试是确保其在真实部署中安全性的关键，这需要构建高保真仿真器以测试超出真实世界安全或彻底收集范围的情景。现有的基于 NeRF 和 3DGS 的神经渲染方法虽前景光明，但 suffers from 渲染速度慢或仅能渲染针孔摄像机模型，阻碍了那些常需高畸变镜头和激光雷达数据的数据应用。多传感器仿真提出了额外挑战，现有方法通过偏向一种模态的质量来解决跨模态不一致性。为克服这些限制，我们提出 SimULi，首个能够实时渲染任意摄像机模型和激光雷达数据的方法。我们将支持复杂摄像机模型的 3DGUT 扩展，加入激光雷达支持，via 一种用于任意旋转激光雷达模型的自动铺砌策略和基于光线的剔除。为解决跨模态不一致性，我们设计了一种因式分解的 3D 高斯表示和锚定策略，可将相机和深度误差降低最高 40%。SimULi 渲染速度比光线追踪快 10-20 倍，比以前基于光栅化的工作快 1.5-10 倍（并支持更广泛的摄像机模型）。在两个广泛基准的自动驾驶数据集上评估时，SimULi 在诸多摄像机和激光雷达指标上与现有最先进方法相匹配或超越。