技术方案 - 提出统一的激光雷达-视觉系统，结合三维高斯喷溅（3DGS）与神经有符号距离场（NSDF），实现几何一致的真实感渲染与高精度表面重建 [5][6] - 通过NSDF提供的流形几何场进行高斯原语初始化，提升训练收敛性并减少悬浮伪影 [22][23] - 设计双向监督的形状正则化方法，在NSDF与高斯喷溅之间建立几何约束，优化渲染与重建效果 [6][28][33] 核心创新点 - 基于物理的高斯初始化策略，利用NSDF提取表面网格顶点作为初始位置，并通过SDF值定义不透明度 [23][24] - 针对背景渲染的"天空初始化"方案，在大球面上均匀布置高斯以避免前景伪影 [25] - 结合渲染法线一致性损失与SDF表面采样点约束的双重几何正则化框架 [30][33] 性能表现 - 在Replica数据集上平均表面重建精度达0.506cm（C-L1指标），优于M2Mapping的0.499cm [46] - 外推渲染SSIM达0.955，显著高于3DGS（0.914）和InstantNGP（0.944） [46] - FAST-LIVO2数据集测试中，平均PSNR达26.988，较基准方法提升1.5dB以上 [49] 应用场景 - 适用于机器人导航、数字孪生等需要实时高质量三维重建的领域 [1] - 支持低成本激光雷达与相机组合的硬件方案，降低部署门槛 [5][48] - 在稀疏观测条件下仍能保持几何一致性，适应复杂环境 [3][6] 实现细节 - 采用哈希编码+MLP构建可扩展的NSDF网络，通过Eikonal正则化保证梯度稳定性 [16][20] - 渲染阶段使用alpha混合的光栅化方法，结合L1+DSSIM损失优化颜色输出 [13][14] - 高斯属性参数化包含位置、切向量、缩放因子、不透明度及球谐函数编码颜色 [10][11]