LidaRF：研究用於街景神經輻射場的光達資料（CVPR\'24）

光真實感模擬在自動駕駛等應用中發揮關鍵作用，其中神經網路輻射場（NeRFs）的進步可能透過自動創建數位3D資產來實現更好的可擴展性。然而，由於街道上相機運動的高度共線性和在高速下的稀疏採樣，街景的重建品質受到影響。另一方面，該應用通常需要從偏離輸入視角的相機視角進行渲染，以準確模擬如變換車道等行為。 LidaRF提出了幾個見解，允許更好地利用光達數據來改善街景中NeRF的品質。首先，框架從雷射雷達資料中學習幾何場景表示，這些表示與基於隱式網格的解碼器相結合，從而提供了由顯示點雲提供的更強的幾何資訊。其次，提出了一種穩健的遮蔽感知深度監督訓練策略，允許透過累積使用密集雷射雷達點雲的強勢資訊來改善街景中的NeRF重建品質。第三，根據雷射雷達點的強度產生增強的訓練視角，以進一步改進在真實駕駛場景下的新視角合成中獲得的顯著改進。 這樣，透過框架從雷射雷達數據中學習到的更準確的幾何場景表示，可以一步改進方法並在真實駕駛場景下獲得更好的顯著改進。

LidaRF的貢獻主要體現在三個方面：

(i)混合雷射雷達編碼和網格特徵以增強場景表示。雖然光達已被用作自然的深度監控來源，但將雷射雷達納入NeRF輸入中，為幾何歸納提供了巨大的潛力，但實現起來並不簡單。為此，借用了基於網格的表示法，但將從點雲中學習的特徵整合到網格中，以繼承顯式點雲表示法的優勢。透過3D感知框架成功的啟動，利用3D稀疏療卷積網路作為有效且高效的結構，從雷射雷達點雲的局部和全局上下文中提取幾何特徵。

（ii）魯棒的遮蔽感知深度監督。與現有工作類似，這裡也使用光達作為深度監督的來源，但更深入。由於光達點的稀疏性限制了其有效性，尤其是在低紋理區域，透過跨鄰近幀集化光達點來產生更密集的深度圖。然而，這樣獲得的深度圖沒有考慮到遮擋，產生了錯誤的深度監督。因此，提出了一種健壯的深度監督方案，借用class學習的方式－從近場到遠場逐步監督深度，並在NeRF訓練過程中逐漸濾除錯誤的深度，從而更有效地從雷射雷達中學習深度。

（iii）基於光達的視野增強。此外，鑑於駕駛場景中的視圖稀疏性和覆蓋範圍有限，利用光達來密集化訓練視圖。也就是說，將累積的光達點投影到新的訓練視圖中；請注意，這些視圖可能與駕駛軌跡有一定的偏離。這些從雷射雷達投影的視圖被添加到訓練資料集中，它們並沒有考慮到遮蔽問題。然而，我們應用了前面提到的監督方案來解決遮蔽問題，從而提高了效能。雖然我們的方法也適用於一般場景，但在這項工作中更專注於街道場景的評估，並與現有技術相比，無論是定量還是定性，都取得了顯著的改進。

LidaRF在需要更大程度偏離輸入視圖的有趣應用中也顯示出優勢，在具有挑戰性的街道場景應用中顯著提高了NeRF的品質。

LidaRF整體框架一覽#​​

##LidaRF是一種用於輸入和輸出對應的密度和顏色的方法，它採用了UNet融合了哈夫編碼和激光雷達編碼。此外，透過光達投影產生強化訓練數據，使用提出的健壯深度監督方案訓練幾何預測。

1）雷射雷達編碼的混合表示法

雷射雷達點雲具有強大的幾何指導潛力，這對NeRF （神經渲染場）來說極具價值。然而，僅依賴光達特徵來進行場景表示，由於光達點的稀疏性（儘管有時間累積），會導致低解析度的渲染。此外，由於光達的視野有限，例如它不能捕獲超過一定高度的建築物表面，因此在這些區域中會出現空白渲染。相較之下，本文的框架融合了雷射雷達特徵和高解析度的空間網格特徵，以利用兩者的優勢，並共同學習以實現高品質和完整的場景渲染。

雷射雷達特徵提取。這裡詳細描述了每個雷射雷達點的幾何特徵提取過程，參考圖2，首先將整個序列的所有幀的雷射雷達點雲聚合起來，以建立更密集的點雲集合。然後將點雲體素化為體素網格，其中每個體素單元內的點的空間位置進行平均，為每個體素單元產生一個3維特徵。受到3D感知框架廣泛成功的啟發，在體素網格上使用3D稀疏UNet對場景幾何特徵進行編碼，這允許從場景幾何的全局上下文中學習。 3D稀疏UNet將體素網格及其3維特徵作為輸入，並輸出neural volumetric 特徵，每個被佔用的體素由n維特徵組成。

雷射雷達特徵查詢。對於沿著要渲染的射線上的每個樣本點x，如果在搜索半徑R內有至少K個附近的光達點，則查詢其光達特徵；否則，其光達特徵被設定為空（即全零）。具體來說，採用固定半徑最近鄰（FRNN）方法來搜尋與x相關的K個最近的雷射測距儀點索引集，記作。與[9]中在啟動訓練過程之前預先確定射線採樣點的方法不同，本文的方法在執行FRNN搜尋時是即時的，因為隨著NeRF訓練的收斂，來自region網路的樣本點分佈會動態地趨向於集中在表面。遵循Point-NeRF的方法，我們的方法利用一個多層感知機（MLP）F，將每個點的雷射雷達特徵映射到神經場景描述中。對於x的第i個鄰近點，F將光達特徵和相對位置作為輸入，並輸出神經場景描述為:

為了獲得取樣位置x處的最終雷射雷達編碼ϕ，使用標準的反距離權重法來聚合其K個鄰近點的神經場景描述

輻射解碼的特徵融合。將雷射雷達編碼ϕL與雜湊編碼ϕh進行拼接，並應用一個多層感知機Fα來預測每個樣本的密度α和密度嵌入h。最後，透過另一個多層感知機Fc，根據觀察方向d的球面諧波編碼SH和密度嵌入h來預測對應的顏色c。

2）魯棒深度監督

#除了特徵編碼外，還透過將光達點投影到影像平面上來從它們中獲取深度監督。然而，由於雷射雷達點的稀疏性，所得益處有限，不足以重建低紋理區域，如路面。在這裡，我們提出累積相鄰的雷射雷達幀以增加密度。儘管3D點能夠準確地捕捉場景結構，但在將它們投影到影像平面以進行深度監督時，需要考慮點之間的遮蔽。遮蔽是由於相機與雷射雷達及其相鄰幀之間的位移增加而產生的，從而產生虛假的深度監督，如圖3所示。由於即使累積後雷射雷達的稀疏性，處理這個問題也非常困難，使得諸如z緩衝之類的基本原理圖形技術無法應用。在這項工作中，提出了一種穩健的監督方案，以在訓練NeRF時自動過濾掉虛假的深度監督。

遮蔽感知的穩健監督方案。本文設計了一個class訓練策略，使得模型最初使用更近、更可靠的深度資料進行訓練，這些資料更不容易受到遮蔽的影響。隨著訓練的進行，模型逐漸開始融合更遠的深度資料。同時，模型也具備了丟棄與其預測相比異常遙遠的深度監督的能力。

回想一下，由於車載攝影機的向前移動，它產生的訓練影像是稀疏的，視野覆蓋有限，這給NeRF重建帶來了挑戰，尤其是當新視圖偏離車輛軌跡時。在這裡，我們提出利用光達來增強訓練資料。首先，我們透過將每個雷射雷達幀的點雲投影到其同步的攝影機上並為RGB值進行插值來為其上色。累積上色的點雲，並將其投影到一組合成增強的視圖上，產生如圖2所示的合成影像和深度圖。

實驗比較分析

######## ## #

以上是LidaRF：研究用於街景神經輻射場的光達資料（CVPR\'24）的詳細內容。更多資訊請關注PHP中文網其他相關文章！