3DGS-Calib: 3D Gaussian Splatting for Multimodal SpatioTemporal Calibration

可靠的多模态传感器融合算法需要精确的时空校准。最近，基于隐式神经表示的无目标校准技术已经被证明能够提供精确和稳健的结果。然而，由于需要大量采样点进行体渲染，这种方法本质上训练速度较慢，因为计算开销较高。随着3D高斯扩散成为隐式表示方法的更快替代方法的最近引入，我们提议利用这种新的渲染方法来实现更快的多传感器校准。我们介绍了3DGS-Calib，这是一种新的校准方法，依靠3D高斯扩散的速度和渲染精度来实现多模态时空校准，其精度高、稳健性强，与依赖于隐式神经表示的方法相比速度显著提高。我们通过对KITTI-360序列的实验结果证明了我们提议的优越性，该序列是广泛使用的驾驶数据集。

本论文旨在解决多模态传感器融合算法中需要精确的时空校准的问题，并提出一种基于3D高斯飞溅的快速校准方法。

论文提出了一种新的校准方法，使用3D高斯飞溅来代替隐式神经表示，从而实现更快速的多模态时空校准。

论文通过实验展示了新方法的优越性，并使用KITTI-360数据集进行了测试。该论文的方法具有较高的精度和鲁棒性，且相较于使用隐式神经表示的方法，具有更快的速度。论文的实验设计详细，数据集和代码均已公开。

近期的相关研究包括使用隐式神经表示进行多模态传感器校准的方法。