Uni-Gaussians：使用高斯统一相机与激光雷达仿真以应对动态驾驶场景
机器人学
2025-03-25 v3 网络与互联网体系结构
摘要
确保自动驾驶车辆的安全性需要对多传感器数据进行全面仿真，涵盖各种动态驾驶场景下来自相机和 LiDAR 传感器的输入。利用收集的原始传感器数据来仿真这些动态环境的神经渲染技术已成为一种领先的方法。虽然基于 NeRF 的方法能够统一表示场景以渲染来自相机和 LiDAR 的数据，但由于密集采样，其渲染速度缓慢。相反，基于 Gaussian Splatting 的方法采用高斯原语进行场景表示，并通过光栅化实现快速渲染。然而，这些基于光栅化的技术难以准确地对非线性光学传感器进行建模。这一局限性限制了它们在针孔相机以外传感器上的适用性。为了应对这些挑战并实现使用高斯原语对动态驾驶场景的统一表示，本研究提出了一种新颖的混合方法。我们的方法利用光栅化来渲染图像数据，同时采用高斯光线追踪来渲染 LiDAR 数据。在公开数据集上的实验结果表明，我们的方法优于当前最先进（state-of-the-art）的方法。这项工作提出了一种使用高斯原语在自动驾驶场景中进行相机和 LiDAR 数据真实仿真的统一且高效的解决方案，在渲染质量和计算效率两方面均取得了显著进步。
引用
@article{arxiv.2503.08317,
title = {Uni-Gaussians: Unifying Camera and Lidar Simulation with Gaussians for Dynamic Driving Scenarios},
author = {Zikang Yuan and Yuechuan Pu and Hongcheng Luo and Fengtian Lang and Cheng Chi and Teng Li and Yingying Shen and Haiyang Sun and Bing Wang and Xin Yang},
journal= {arXiv preprint arXiv:2503.08317},
year = {2025}
}
备注
10 pages