SOAC: 基于神经辐射场的时空重叠感知多传感器校准
借助神经辐射场（NeRF）的能力，将不同传感器的模态在一个共同的体积表示中准确地校准，从而实现稳健和准确的时空传感器校准。通过基于场景的可见部分为每个传感器设计分区方法，仅使用重叠区域来表达校准问题。实验证明，与现有方法相比，我们的方法在室外城市场景上能够获得更好的准确性和稳健性。
本文提出了一种新的街景神经辐射场模型（S-NeRF），通过改进参数化函数和学习神经表示来解决现有模型在街景合成中的问题。实验证明S-NeRF在大规模驾驶数据集上优于现有方法，减少了均方误差并提高了PSNR。
