SurfFill：通过高斯Surfels Splatting完成LiDAR点云

LiDAR捕获的点云通常被认为是主动三维重建的金标准。虽然其在平坦区域的精度极为出色，但捕获过程容易遗漏小的几何结构，并且可能对暗色、吸光材料失效。另一方面，拍摄场景的多张照片并应用三维摄影测量可以推断这些细节，因为它们通常代表特征丰富的区域。然而，LiDAR在无特征区域的精度很少能达到。因此，我们建议通过引入SurfFill来结合LiDAR和基于相机捕获的优势：一种基于高斯surfels的LiDAR补全方案。我们分析了LiDAR捕获过程，并将LiDAR光束发散确定为伪影的主要因素，这些伪影主要体现在薄结构和边缘上。我们利用这一洞察引入了一种模糊性启发式方法，通过评估点云中密度的变化来识别已完成扫描中的模糊区域。这使我们能够识别靠近遗漏区域的点，然后从中生长出额外的点来补全扫描。对于这种点生长，我们约束高斯surfels重建，将优化和稠密化集中在这些模糊区域。最后，从模糊区域的高斯重建基元中提取并采样点以补全点云。为了应对大规模重建的挑战，我们将此流程扩展为用于建筑物尺度点云补全的分治策略。我们在LiDAR点云补全任务上对合成和真实场景进行了评估，发现我们的方法优于先前的重建方法。