Event3DGS: Event-Based 3D Gaussian Splatting for High-Speed Robot Egomotion

通过将可微分渲染与显式基于点的场景表示相结合，3D高斯点阵（3DGS）已经展示了突破性的3D重建能力。然而，迄今为止，3DGS在机器人领域的影响有限，因为高速自我运动是普遍存在的：自我运动引入了运动模糊，并导致现有基于帧的3DGS重建方法中出现伪影。为了解决这一挑战，我们介绍了Event3DGS，一种基于事件的3DGS框架。通过利用事件相机的卓越时间分辨率，Event3GDS可以在高速自我运动下重建高保真度的3D结构和外观。在多个合成和真实数据集上的广泛实验表明，与现有基于事件的密集3D场景重建框架相比，Event3DGS具有显著的优越性；Event3DGS在提高重建质量（+3dB）的同时，将计算成本降低了95\%。我们的框架还允许将一些运动模糊的基于帧的测量值纳入重建过程，以进一步提高外观保真度而不会损失结构精度。

本论文旨在解决高速运动下的3D场景重建问题，尤其是在机器人领域的应用。

本文提出了一种基于事件相机的3D高斯飞溅（3DGS）框架，利用事件相机的高时间分辨率，能够在高速运动下重建高保真度的3D结构和外观。

论文通过多个合成和真实数据集的实验，证明了Event3DGS相比现有的基于事件的3D场景重建框架具有更高的重建质量和更低的计算成本。此外，论文还介绍了如何将基于帧的测量结果纳入重建过程，以进一步提高外观保真度。

最近的相关研究包括：《Event-based 3D Reconstruction Using a Surface Mesh with Dynamic Vertex Adjustment》、《Event-based 3D Reconstruction with a Multi-camera System》等。