RoGS: Large Scale Road Surface Reconstruction based on 2D Gaussian Splatting

道路表面重建在自动驾驶中扮演着至关重要的角色，可以用于道路车道感知和自动标注任务。最近，基于网格的道路表面重建算法显示出有希望的重建结果。然而，这些基于网格的方法速度较慢，渲染质量较差。相比之下，3D高斯喷洒（3DGS）显示出更快的渲染速度和更好的质量。虽然3DGS采用了显式的高斯球来表示场景，但它缺乏直接表示场景几何信息的能力。为了解决这个限制，我们提出了一种基于2D高斯喷洒（2DGS）的新型大规模道路表面重建方法，称为RoGS。道路的几何形状是用2D高斯surfels明确表示的，每个surfel存储颜色、语义和几何信息。与高斯球不同，高斯surfels更贴近道路的物理实际。与以往依赖于点云进行高斯球初始化的方法不同，我们引入了一种基于轨迹的高斯surfels初始化方法。由于高斯surfels的显式表示和良好的初始化，我们的方法在提高重建质量的同时实现了显著的加速。我们在各种具有挑战性的实际场景中实现了道路表面的优秀重建结果。

论文旨在解决自动驾驶中道路表面重建的问题，提出了一种基于2D高斯喷洒的方法RoGS，以更好地表示道路的几何信息。

RoGS方法使用2D高斯喷洒来表示道路的几何形状，每个喷洒都存储颜色、语义和几何信息。相比于高斯球体，高斯喷洒更贴近道路的物理现实。论文提出了基于轨迹的初始化方法，使得RoGS方法在提高重建质量的同时显著加速。

论文使用大量真实场景数据集进行了实验，证明了RoGS方法在道路表面重建方面的优越性。此外，论文还提供了开源代码，为后续研究提供了便利。

在道路表面重建领域，之前的研究大多基于高斯球体，如3D高斯喷洒（3DGS）等。