使用 4D 隐式神经表示在动态环境中进行的 3D LiDAR 地图构建
原文中文，约300字，阅读约需1分钟。发表于：。基于 LiDAR 扫描序列，我们提出了一种构建动态环境准确地图的新方法，利用四维场景进行稀疏特征格、全局共享解码器和时变基函数的神经表示，用于滤除动态部分并重建准确完整的三维地图。
本文提出了一种新方法，通过LiDAR测量重建大规模三维语义场景，使用隐式表示进行建模。通过MLPs解码隐式特征，获取语义信息和距离值，并通过自监督和伪监督策略进行优化。最后使用Marching Cubes算法进行推断和可视化。在三个真实数据集上表现出高效和高效率。
