（XR导航网资讯）在摄影测量、计算机视觉和计算机图形学领域，神经三维场景重建的任务带来了针对各种技术的探索。其中，3D Gaussian Splatting因其使用3D Gaussians对场景的显式表示而脱颖而出，并使其对3D点云提取和曲面重建等任务具有吸引力。
受其潜力的激励，德国卡尔斯鲁厄理工学院的一支团队把目光投向3D场景重建领域，并希望利用MicrosoftHoloLens 2的功能实现即时3D Gaussian Splatting。
在研究中，团队介绍了一种利用HoloLens传感器数据的全新工作流程HoloGS。它通过即时访问所需的输入数据（图像、camera姿态和深度传感的点云）来绕过了预处理步骤的需要。研究人员提供了全面的调查，而结果表明，HoloLens数据适合作为3D Gaussian Splatting的输入。
NeRFs可以通过神经网络对空间中的3D场景进行所谓的视图合成，从而渲染出新颖视图。神经网络基于一组图像和相应的camera姿态进行训练，并估计每个位置的位置相关密度值和视图相关RGB颜色值。通过连续空间中点的体积密度，可以提取几何形状。
然而，这需要密度阈值等技术或其他从连续神经网络输出生成显式3D重建的方法，而密度具有固有的不确定性。最常见的是，Structure from Motion（SfM）用于计算在预处理步骤中训练NeRFs所需的内部方向和camera姿态。
作为SfM的替代方案，业界已证明微软HoloLens是一个有趣的接口，因为它可以提取所需的输入数据，图像和相应的姿态。另外，它已经证明了作为绘图系统的有效性，并能够实现实时，高度详细，彩色，3D场景重建和移动映射。
关于3D场景重建，特别是3D Gaussian Splatting，由于其使用3D Gaussian显式表示场景而表现突出。在优化过程中，Gaussian致密化和调整适应，经历增长、收缩和颜色和形状的调整，直到渲染图像和训练图像之间的光度误差变得最小。与NeRFs的连续亮度场表示相反，Gaussian显式表示场景几何形状，从而可以直接访问它。
当涉及到摄影测量和3D计算机视觉时，这对于3D点云提取和表面重建特别有趣。与大多数NeRFs方法相比，3D Gaussian Splatting需要以点云的形式进一步输入数据，这通常使用来自SfM的稀疏点云。
这个点云用来初始化Gaussian。所以，需要进行预处理和计算步骤，从图像中计算camera姿态和稀疏点云。对于这一点，微软HoloLens再次变得重要起来。除了RGB图像及其相应的camera姿态外，HoloLens同时提供深度图像和相应的camera姿态，而图像可以转换为所需的点云。
这可以实现即时3D场景重建与3D Gaussian Splatting，无需额外的耗时预处理步骤。
在研究中，德国卡尔斯鲁厄理工学院提出了HoloGS，以利用Microsoft HoloLens 2数据并通过3D Gaussian Splatting进行即时3D场景重建。
这是直接基于传感器信息完成，因为HoloLens能够访问所需的输入数据，即图像、camera姿态和实时深度传感的点云。团队研究了HoloLens的数据质量是否足以进行3D Gaussian Splatting。为了评估工作流程，研究人员同时遵循传统的管道，使用COLMAP来估计camera姿态和稀疏点云。
相关分析包括检查训练过程，并通过使用峰值信噪比（PSNR）和光度损失来评估结果的渲染质量。另外，他们利用云到云的倒角距离，定量和定性地报告了从高斯中心得到的致密点云的几何三维精度。所以，研究人员设想（稀疏）输入点云的重新填充，类似于MultiView Stereo的后处理步骤。
实验证明了基于微软HoloLens 2数据的HoloGS适合作为3D Gaussian Splatting的输入。渲染的图像合理地反映了几何和外观。另外，HolGS通过从高斯中心提取密集的点云来实现填充。
方法
如前所述，标准工作流程使用SfM在预处理步骤中确定camera姿态和稀疏点云。SfM一般描述了由一组图像重建三维场景的过程，其中图像是由运动中的camera从不同的方向和位置拍摄。它依赖于重叠图像序列中点对应的计算和匹配。最终的结果是camera姿态，camera intrinsic，以及稀疏点云。
另外，基本的SfM稀疏点云允许以MVS管道进行密集重建，从而使SfM点云更加致密。研究人员将MVS密集重建作为参考点云进行比较。
研究将来自3D Gaussian Splatting的原始实现的（增量）SfM技术用于camera姿态和稀疏点云的外部数据计算。这个过程使用相同的HoloLens RGB图像进行，以确保与内部数据方法相似的统一条件。
如最上方的图1所示，对于直接使用微软HoloLens 2的3D Gaussian Splatting进行即时3D场景重建，HoloGS主要针对三个步骤：传感器流、实时点云计算和即时3D Gaussian Splatting。
HoloLens 2服务器应用用于请求微软HoloLens 2中的数据。系统提供对HoloLens 2所有传感器的访问，包括来自1920 × 1080摄像头的RGB图像、内部方向（camera intrinsic）和相应的camera姿态，以及用于深度图像和相应姿态的深度传感器。
首先，通过HoloLens的传感器流，在数据采集过程中查询并提取传感器系统的RGB图像和相应的camera姿态，包括内部方向和深度图像及其camera姿态。
其次，根据深度摄像头的内部方向和深度信息，计算深度图像中每个像素对应的三维点，将深度图像转化为三维点云。点云随后通过camera姿态合并成一个联合点云。
最后，将需要的数据，即对应camera姿态的RGB图像和从深度信息变换到RGB camera坐标系的点云，作为初始数据馈送到3D Gaussian Splatting。在这种情况下，RGB图像作为训练数据，通过最小化渲染图像与相同camera姿态的真实图像之间的光度误差来优化高斯分布。
由深度信息得到的点云的三维点构成初始高斯分布的中心。Gaussian在默认参数上进行训练，球面谐波特征的学习率为0.0025，不透明度调整为0.05，缩放操作为0.005，旋转变换为0.001，而训练包含在NVIDIA RTX3090 GPU的30000次迭代。
优化的光度损失由以下损失函数1给出：
如上所述，来自外部SfM或来自HoloLens内部深度信息的点云作为初始高斯分布。通过Gaussian Splatting的优化过程，根据图像的颜色信息生成附加点。在这个过程中，Gaussian 会增长、分裂、收缩或移除。在此基础上，设想对稀疏输入点云进行重新填充，类似于MVS的后处理步骤。
特别是，由于SfM稀疏点云只是基于SIFT点对应的特征来创建，顾名思义，它是相对稀疏的。经过3D Gaussian Splatting训练后，可以提取出密度较高、优化后的点云。假设包含颜色的3D信息同样作为场景中的实际几何存在，研究人员将高斯分布的中心（表示每个高斯分布的平均值）视为方法中的3D几何。
数据集
实验基于微软HoloLens 2捕获的两个数据集：一个是文化遗产雕像的户外场景“Denker”，另一个是室内场景“Ficus”。
这两个数据集都包含111张图像，每张图像大小为1920 × 1080，其中掩盖了3米以上的深度信息。输入数据的不同初始化类型产生不同的点云：SfM稀疏点云包含超过40000个点，HoloLens深度图像的点云包含超过620000个点。
实验
团队使用PSNR来评估训练过程。图4显示了迭代过程中PSNR和训练损失的变化。
研究表明，采用内部HoloLens数据的HoloGS可以实现相对平滑的3D Gaussian Splatting收敛。收敛发生在大约25000次迭代之后，场景“Denker”达到20.55 dB左右的最大PSNR，场景“Ficus”达到20.17 dB左右。
值得注意的是，两种场景的HoloLens数据都能迅速实现收敛。相比之下，使用外部SfM数据产生更高的PSNR值，场景“Denker”为27.54 dB，场景“Ficus”为26.21 dB。相反，在训练过程中，内部HoloLens数据的损失高于外部SfM数据。
有趣的是，曲线显示了每3000次迭代到15000次迭代的峰值。峰值可以用Gaussian Splatting的密度调节技术来解释。所述技术将每3000次迭代的不透明度值设置为接近零，这可能导致高斯密度的不合理增加。
图5的渲染结果与训练过程中得到的数值结果非常接近。特别是，在预处理过程中计算的外部SfM数据显示出显着提高的性能。对于场景“Denker”，HoloGS对雕像本身产生了令人满意的结果，与SfM数据得出的结果相当。在场景“Ficus”中，HoloGS准确地呈现植物的精细结构。
总的来说，HoloGS通常会导致场景中物体的边缘模糊。另外，场景中同时可以识别出大的、模糊的漂浮物。相比之下，对于外部SfM数据，伪影只在有限的区域明显，例如场景“Denker”中雕像头部上方，以及场景“Ficus”中天花板上的未被观察到的区域。
研究人员提取在训练过程中产生的致密点云。提取的高斯密度点云说明了外部SfM数据和内部
EN_US 
ZH