点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 随着神经场景表征的发展，之前出现了一些方法尝试用神经辐射场重建街道场景，像Block-NeRF 。但是它无法处理街道上的动态车辆，而这是自动驾驶环境仿真 中的关键要素。最近一些方法提出将动态驾驶场景表示为由前景移动汽车和静态背景组成的组合神经表示。为了处理动态移动的目标车辆，这些方法利用跟踪的 车辆姿态来建立观察空间和规范空间之间的映射，在那里他们使用 NeRF 网络来模拟汽车的几何形状和外观。虽然这些方法产生了合理的结果，但它们仍然局限 于高训练成本和低渲染速度。基于这些前述工作，浙大提出了S treet Gaussians。笔者有幸参与了公司新一代闭环仿真系统的开发，花了几个月的时间，终于把基 于Street Gaussians的算法落地。今天就分享下自己的一些看法~ 下图是在Waymo数据集上的渲染结果。street gaussians的方法在训练半小时内以 135 FPS的速度产生高质量的分辨率为1066×1600渲染视角。这两个基于NeRF的方 法存在训练和渲染成本高的问题。 以前的方法通常面临训练 ...