一种基于图像和雷达数据的结构化高斯泼溅方法

本发明公开了一种基于图像和雷达数据的结构化高斯泼溅方法。本发明设计了包括虚拟墙构建、自适应3DGS体素化和深度先验引导的体素生长和删除策略。训练分为两个步骤：目标数据集的准备、整体模型的训练。本发明优点：1)虚拟背景墙构建模块，有效解决了LiDAR点云在远距离区域稀疏和缺失的问题，提升了场景初始化的完整性和背景渲染质量；2)采用自适应3DGS体素化方法，更合理地表示不同密度分布的点云，解决场景过度稠密时导致训练速度下降的问题；3)深度先验引导的体素生长和删除策略，利用RGB梯度、深度一致性和邻域信息对体素优化进行引导，补充了单视点数据下的几何信息缺失，增强了场景重建的鲁棒性和细节保真度。