本文經自動駕駛之心公眾號授權轉載，轉載請聯系出處。

寫在前面&筆者的個人理解

盡管神經輻射場（NeRFs）在圖像新視角合成（NVS）方面取得了成功，但激光雷達NVS的發展卻相對緩慢。之前的方法follow圖像的pipeline，但忽略了激光雷達點云的動態特性和大規模重建問題。有鑒于此，我們提出了LiDAR4D，這是一種用于新的時空LiDAR視圖合成的LiDAR-only的可微分框架。考慮到稀疏性和大規模特征，進一步設計了一種結合多平面和網格特征的4D混合表示，以實現從粗到細的有效重建。此外引入了從點云導出的幾何約束，以提高時序一致性。對于激光雷達點云的真實重建，我們結合了ray-drop概率的全局優化，以保持cross-region模式。在KITTI-360和NuScenes數據集上進行的大量實驗證明了我們的方法在實現幾何感知和時間一致的動態重建方面的優越性。

開源地址：https://github.com/ispc-lab/LiDAR4D

總結來說，本文的主要貢獻如下：

• 提出了LiDAR4D，這是一種用于新的時空LiDAR視圖合成的LiDAR-only的可微分框架，它重建動態駕駛場景并端到端生成逼真的LiDAR點云。
• 介紹了4D混合神經表示和從點云導出的運動先驗，用于幾何感知和時間一致的大規模場景重建。
• 綜合實驗證明了LiDAR4D在具有挑戰性的動態場景重建和新穎視圖合成方面的SOTA性能。

相關工作回顧

激光雷達仿真。CARLA等傳統仿真器基于物理引擎，可以在手工制作的虛擬環境中通過光線投射生成激光雷達點云。然而，它有多樣性限制，并且嚴重依賴昂貴的3D資產。與真實世界的數據相比，domain gap仍然很大。因此，最近的幾項工作通過在仿真之前從真實數據重建場景，進一步縮小了這一差距。LiDARsim重建網格表面表示，并使用神經網絡來學習光線下降特性。此外，值得注意的是，還有其他表面重建工作，如NKSR，可以將激光雷達點云轉換為網格表示。盡管如此，這些顯式重建工作對于在大規模復雜場景中恢復精確的曲面來說是麻煩的，這進一步導致點云合成的精度下降。相反，PCGen直接從點云進行重建，然后以類似光柵化的方式進行渲染并進行第一次峰值平均。盡管它更好地保留了原始信息，但渲染點云仍然相對嘈雜。此外，上述所有這些顯式方法僅適用于靜態場景。相反，我們的方法通過時空神經輻射場隱式重建連續表示，實現了更高質量的真實點云合成，擺脫了靜態重建的局限。

神經輻射場。最近基于神經輻射場的大量研究在新視圖合成（NVS）任務中取得了突破和顯著成就?；贛LP、體素網格、三平面、向量分解和多級哈希網格的各種神經表示已被充分用于重建和合成。然而，大多數工作都集中在以目標為中心的室內小場景重建上。隨后，幾部作品逐漸將其擴展到大型戶外場景。盡管如此，神經輻射場通常在RGB圖像輸入的情況下存在幾何模糊性。因此，DS-NeRF和DDP-NeRF在提高效率之前引入了深度，URF還利用激光雷達點云來促進重建。在本文中，我們使用新的混合表示和神經激光雷達場來重建激光雷達NVS的大規模場景。

用于激光雷達NVS的NeRF。最近，一些研究開創了基于神經輻射場的激光雷達點云新視圖合成的先河，大大超過了傳統的仿真方法。其中，NeRF-LiDAR和UniSim需要RGB圖像和LiDAR點云作為輸入，并在具有光度損失和深度監督的情況下重建駕駛場景。隨后，可以通過神經深度渲染生成新的視圖LiDAR點云。在僅使用LiDAR的方法中，LiDAR-NeRF和NFL首次提出了可微分LiDAR-NVS框架，該框架同時重建了深度、強度和raydrop概率。然而，這些方法僅限于靜態場景重建，并且不能處理諸如移動車輛之類的動態目標。盡管UniSim確實支持動態場景，但它在很大程度上受到3D目標檢測的地面實況標記以及重建前背景和動態目標解耦需求的限制。相反，我們的研究專注于僅用于動態場景重建和新穎時空視圖合成的激光雷達輸入，而無需RGB圖像或地面實況標簽的幫助。值得注意的是，NFL對激光雷達的詳細物理建模做出了重大貢獻，如光束發散和二次返回，這與我們的正交，可能有利于所有激光雷達NVS工作。

動態場景重建。大量的研究致力于擴展神經輻射場，以涵蓋動態場景重建。一般來說，動態NeRF可以大致分為兩組。一種是通過連續變形場將坐標映射到規范空間的可變形神經輻射場。雖然變形場和輻射場的解耦簡化了優化，但建立準確的遠距離對應仍然具有挑戰性。另一個是時空神經場，它將時間視為構建4D時空表示的額外維度輸入。因此，可以靈活地將外觀、幾何結構和運動同時建模為連續的時變函數。之前的大多數工作都集中在室內相對較小的位移上，而自動駕駛場景中的大規模車輛移動則更具挑戰性。此外，我們的工作也是首次將動態神經輻射場引入激光雷達NVS任務。

詳解LiDAR4D

本節從新型激光雷達視圖合成的問題公式和NeRF的初步問題開始。在此之后，提供了我們提出的LiDAR4D框架的詳細描述。

問題公式。在動態駕駛場景中，給定收集的激光雷達點云序列，以及相應的傳感器姿態和時間戳作為輸入。每個單個激光雷達幀Si包含3D坐標x和1D反射強度ρ的K個點。

LiDAR4D的目標是將這種動態場景重建為基于神經場的連續隱式表示。此外，給定新的傳感器姿態和任意時刻，LiDAR4D執行神經渲染，以在新的時空視圖下合成具有強度的LiDAR點云。

NeRF的準備工作。神經輻射場，簡稱NeRFs，以位置x∈R3和觀看方向（θ，ξ）的5D輸入為輸入，建立到體積密度σ和顏色c的映射。然后，進行體積渲染，估計像素值，合成未知新視圖中的圖像。詳細地說，它從傳感器中心o發射方向為d的光線r，即r（t）=o+td，然后沿該光線對N個樣本的神經場輸出進行積分，以近似像素顏色C。體積渲染函數可以形成如下：

LiDAR4D概述

根據神經輻射場，我們提出的LiDAR4D將點云場景重建為隱式連續表示。與RGB圖像具有光度損失的原始NeRF不同，我們重新定義了基于激光雷達的神經場，稱為神經激光雷達場。如圖2所示，它專注于對激光雷達點云的幾何深度、反射強度和光線下降概率進行建模。對于大規模動態駕駛場景，LiDAR4D將粗分辨率多平面特征與高分辨率哈希網格表示相結合，實現高效有效的重建。然后，我們將其提升到4D，并將時間信息編碼引入到新的時空視圖合成中。為了確保幾何感知和時間一致的結果，我們還引入了從點云導出的顯式幾何約束。最終，我們預測每條光線的raydrop概率，并使用運行時優化的U-Net執行全局細化，以提高生成真實性。

4D Hybrid Planar-Grid Representation

圖3說明了我們提出的新的混合表示如何將4D空間分解為平面和哈希網格特征，這些特征進一步細分為靜態和動態特征。與室內小物體的重建不同，大規模自動駕駛場景對特征的表示能力和分辨率提出了更高的要求。然而，TiNeuVox等密集網格表示由于其立方體增長的復雜性，對于大規模場景是不可縮放的。因此，我們遵循K平面，將場景空間分解為多個正交平面中的特征組合，以大幅減少參數量。平面特征可以如下獲得：

盡管如此，對于跨越數百米的場景，這種分辨率的提高仍然不夠，尤其是對于高頻強度重建。由于Instant NGP中提出的哈希網格，具有超高分辨率的顯式網格結構是可能的。此外，激光雷達點云場景的稀疏性基本上避免了散列碰撞的不利影響。

其中密集網格G將通過散列映射被進一步壓縮到有限的存儲器中以用于參數縮減。類似地，在三線性插值和級聯之前，4D坐標被投影到靜態（xyz）和動態（xyt，xzt，yzt）多級哈希網格中，其中使用Hadamard乘積來乘以動態特征。

然而，值得注意的是，純哈希網格表示仍然存在視覺偽影和噪聲重建結果（如圖4所示），這阻礙了精確對象幾何結構的構建。有鑒于此，我們采用低分辨率的多平面特征進行整體平滑表示，并采用高分辨率的哈希網格來處理更精細的細節，最終在大規模場景重建中實現高精度和高效率。

Scene Flow Prior

為了增強當前4D時空表示的時間一致性，我們進一步引入了用于運動估計的流MLP。它將編碼的時空坐標作為輸入，并構建從坐標場R4到運動場R3的映射。

由于在自動駕駛場景中，車輛運動范圍可能跨越很長的距離，因此在可變形神經輻射場中很難建立與規范空間的長期對應關系。因此，我們利用流MLP僅預測相鄰幀之間的運動，并聚合多幀動態特征以實現時間一致的重建。

此外，可以從輸入的激光雷達點云進一步導出顯式幾何約束。通過將點云饋送到流MLP中以產生場景流預測，我們可以將倒角距離調節為幾何損失。它對激光雷達4D施加了運動先驗和額外的監督，從而實現了幾何感知重建。點云S和的兩個幀之間的倒角距離定義如下：

Neural LiDAR Fields

激光雷達發射激光脈沖并測量飛行時間（ToF），以確定物體距離以及反射光的強度。旋轉式激光雷達具有360度水平視場（FOV）和有限的垂直視場范圍，可以通過特定的角分辨率激光感知環境。以與神經激光雷達場相同的方式，我們在視場內以特定的角度間隔發射激光，使用激光雷達傳感器的中心作為原點o。激光的方向d由極坐標系下的方位角θ和仰角決定，如下所示。

然后，我們查詢沿激光器采樣的三維點坐標，并將其輸入神經場，以預測相應位置的密度。接下來，對沿著射線的密度進行積分，以獲得深度值D的期望值，該深度值D用作激光束的返回距離。

此外，我們分別預測了每個點的強度I和ray-drop概率P，并類似地沿著射線進行α組成。

我們使用單獨的MLP來獲取時間聚合的平面和哈希特征，以及位置編碼的視點作為預測的輸入。

Ray-drop Refinement

在激光測距過程中，一部分發射的光線不會反射回傳感器，這被稱為光線下降特性。事實上，激光雷達的射線降受到各個方面的顯著影響，包括距離、表面特性和傳感器噪聲。與LiDAR-NeRF中一樣，ray-drop預測是直接用逐點MLP頭來完成的，這本質上是有噪聲和不可靠的。為了解決這個問題，我們使用具有殘差的U-Net來全局細化ray-drop掩模，并更好地保持跨區域的一致圖案。它以LiDAR4D的全射線下降概率、深度和強度預測為輸入（與之前的工作不同），并通過二進制交叉熵損失細化最終掩模，如下所示：

我們強調，輕量級網絡是在運行時隨機初始化和優化的，可以有效地進行重建。如圖5所示，全局優化大大提高了預測結果，并進一步增強了生成的激光雷達點云的保真度。

Optimization

對于LiDAR4D的優化，總重建損失是深度損失、強度損失、ray-drop損失、流量損失和精細化損失的加權組合，可以形式化為：

實驗

LiDAR4D在KITTI-360和NuScenes上展開實驗。

限制

盡管LiDAR4D在大量實驗中表現出了非凡的性能，但點云的遠距離車輛運動和遮擋問題仍然是懸而未決的問題。與靜態對象相比，動態對象的重建仍然存在顯著差距。此外，前景和背景可能難以很好地分離。此外，基于真實世界的數據集，NVS的定量評估僅限于自車軌跡，不允許新的空間和時間視圖合成的解耦。

結論

本文重新審視了現有激光雷達NVS方法的局限性，并提出了一個新的框架來應對三大挑戰，即動態重建、大規模場景表征和逼真合成。我們提出的方法LiDAR4D在大量實驗中證明了其優越性，實現了大規模動態點云場景的幾何感知和時間一致性重建，并生成了更接近真實分布的新時空視圖LiDAR點云。我們相信，未來更多的工作將集中在將激光雷達點云與神經輻射場相結合，探索動態場景重建和合成的更多可能性。