Spherical-GOF：基于球面高斯不透明场的几何感知全景渲染用于 3D 场景重建
计算机视觉与模式识别
2026-03-10 v1 图形学
机器人学
图像与视频处理
摘要
全景图像因其宽视野而在机器人与计算机视觉中日益受到关注。然而，将 3D 高斯溶解（3DGS）扩展至全景相机模型仍具有挑战性，因为现有公式针对透视投影设计，简单化的改编常导致畸变与几何不一致。我们提出 Spherical-GOF，一种基于高斯不透明场（GOF）的全景高斯渲染框架。不同于基于投影的光栅化，Spherical-GOF 直接在球面单位球坐标系中的球面射线空间进行 GOF 射线采样，实现全景渲染中一致的射线-高斯相互作用。为使球面光线投射高效稳健，我们推导保守的球面包围规则以实现快速射线-高斯剔除，并引入球面滤波方案，使高斯轮廓适配全景像素采样中变异的畸变。在标准全景基准（OmniBlender 与 OmniPhotos）上进行大量实验，表明其在光度质量和显著提升的几何一致性方面均表现优异。与最强基线相比，Spherical-GOF 将深度重投影误差降低 57%，循环内点比率提升 21%。定性结果显示，深度更干净，法线图更连贯，且对全局全景旋转具有强大的鲁棒性。我们进一步在 OmniRob 上进行泛化验证，该数据集由本文引入，包含无人机与四足平台的真实世界全景机器人数据。源代码与 OmniRob 数据集将发布于 https://github.com/1170632760/Spherical-GOF。
引用
@article{arxiv.2603.08503,
title = {Spherical-GOF: Geometry-Aware Panoramic Gaussian Opacity Fields for 3D Scene Reconstruction},
author = {Zhe Yang and Guoqiang Zhao and Sheng Wu and Kai Luo and Kailun Yang},
journal= {arXiv preprint arXiv:2603.08503},
year = {2026}
}
备注
The source code and dataset will be released at https://github.com/1170632760/Spherical-GOF