SurroundSDF: Implicit 3D Scene Understanding Based on Signed Distance Field

本文提出了SurroundSDF方法，通过预测离散体素格的语义来感知世界，但是无法构建连续和准确的障碍物表面。为此，我们提出了一种使用查询的方法，利用Eikonal公式约束的SDF来准确描述障碍物的表面，并提出了一种弱监督的SDF范式，称为三明治Eikonal公式，以增强表面的感知精度。实验证明，我们的方法在nuScenes数据集上实现了占用预测和3D场景重建任务的SOTA。

SurroundSDF论文旨在解决自动驾驶系统中的三维环境理解问题，提出了一种新的方法来预测连续和准确的障碍物表面。

SurroundSDF利用查询式方法和Eikonal公式约束的SDF来描述障碍物表面，提出了一种新的弱监督范式——Sandwich Eikonal formulation，以提高表面的感知精度。

论文在nuScenes数据集上进行了实验，表明该方法在占用预测和三维场景重建任务上均达到了SOTA。此外，论文提出的弱监督范式和使用的约束方法也值得关注。

与SurroundSDF相关的研究包括基于深度学习的三维场景重建、基于点云的障碍物检测和基于SDF的三维物体建模等。