基于激光雷达引导的3D高斯点扩散算法，结合可微分用户定义函数（UDF）的正则化方法，用于矿井隧道重建 吴新宇、 刘雅静、 李梅、 郭慧敏、 苟元培

《Remote Sensing》：LiDAR-Guided 3D Gaussian Splatting with Differentiable UDF-Based Regularization for Mine Tunnel Reconstruction Xinyu Wu, Yajing Liu, Mei Li, Huimin Guo and Yuanpei Gou

　　

摘要

地下矿井隧道通常具有极不均匀的照明、较弱的表面纹理以及频繁的动态干扰，这些因素严重影响了基于多视图的光度一致性，并容易导致传统基于视觉的3D高斯散射（3DGS）算法中出现浮动物体和空间偏差。为了解决这些问题，我们提出了一种基于LiDAR的3DGS框架，用于地下隧道重建，该框架采用了动态物体去除和可微分无符号距离场（UDF）正则化技术。首先，引入了一种动态前景去除策略并配合背景恢复，以消除短暂的前景干扰并恢复静态监督的一致性。其次，利用LiDAR点云在纹理较弱的区域初始化具有可靠几何骨架的高斯模型。更重要的是，LiDAR先验被进一步转换为可微分的UDF场，作为持续的几何约束。该框架设计了一种双轨机制：连续的几何吸引力将轻微偏离的高斯模型拉回物理表面，而定期的超出边界剔除则去除严重漂移的模型。在真实的地下隧道和腔室场景中的实验表明，所提出的方法具有明显的场景依赖性。在隧道场景中，该方法在结构相似性（SSIM）方面表现最佳，同时具有竞争力的峰值信噪比（PSNR）和局部峰值相似性（LPIPS），并且减少了多余的超出边界模型，提高了几何清晰度。然而，在腔室场景中，该方法在全局全参考指标下的优势不太明显。这些结果表明，所提出的基于LiDAR和可微分UDF正则化的框架特别适用于纹理较弱的隧道环境，但对于外观变化更为复杂的腔室场景，仍需进一步改进。