Core Concepts
단일 시점 라이다 데이터의 두 번 반사 신호를 활용하여 가시 영역과 가려진 영역의 3D 기하학을 정확하게 재구성할 수 있다.
Abstract
이 논문은 단일 시점 라이다 데이터의 두 번 반사 신호를 활용하여 3D 기하학을 재구성하는 PlatoNeRF 방법을 제안한다.
먼저, 실험 설정에 대해 설명한다. 라이다 시스템은 SPAD 센서와 펄스 레이저로 구성되며, 레이저는 여러 지점을 순차적으로 조명한다. 각 조명 지점에 대해 SPAD 센서는 시간 분해능 이미지를 캡처한다. 이 이미지에는 일반적인 일반 반사 신호와 더불어 두 번 반사 신호가 포함된다.
다음으로, PlatoNeRF 방법을 설명한다. 이 방법은 NeRF를 사용하여 두 번 반사 광경로를 모델링하고, 라이다 트랜지언트 데이터로 감독한다. 주 광선을 렌더링하여 두 번 반사 도달 시간을 예측하고, 보조 광선을 렌더링하여 그림자를 예측한다. 이 두 가지 예측을 바탕으로 손실 함수를 정의하여 NeRF를 학습한다.
실험 결과, PlatoNeRF는 기존 단일 시점 3D 재구성 방법보다 우수한 성능을 보인다. 특히 가려진 영역의 기하학을 정확하게 복원할 수 있으며, 조명 변화와 낮은 반사율 환경에서도 강건한 것으로 나타났다. 또한 공간 및 시간 해상도가 낮은 라이다에서도 잘 작동한다.
이 연구는 향후 소비자 기기에 널리 사용될 것으로 기대되는 단일 광자 라이다를 활용하여 단일 시점 3D 재구성을 수행하는 새로운 접근법을 제시한다.
Stats
단일 시점에서 측정한 깊이 오차(L1)는 0.0862m이다.
120개의 새로운 시점에 대한 깊이 오차(L1)는 0.1178m이다.
포인트 클라우드 간 거리(Chamfer 거리)는 평균 0.0280, 표준편차 0.0014이다.
Quotes
"단일 시점 3D 재구성은 단안 단서의 모호성과 가려진 영역에 대한 정보 부족으로 인해 어려운 문제이다."
"단일 시점 NeRF 기반 3D 재구성 방법은 데이터 사전 지식을 활용하거나 RGB 카메라의 그림자를 이용하지만, 이는 물리적으로 정확하지 않을 수 있다."