大疆车载技术新突破：沈邵劼团队论文展示摄像头、激光雷达惯导融合
大疆车载部门负责人沈邵劼带领的研究团队，涵盖了香港大学、香港科技大学、上海交通大学和北京理工大学的专家，他们共同发布了一篇关于自动驾驶高精定位与实时建图技术的新论文。针对日益复杂的高阶智能驾驶环境对定位及实时地图构建提出的高要求，该团队提出了一种名为"LIV-GaussMap"的新方案。
"LIV-GaussMap"结合了摄像头、激光雷达和惯性测量单元(IMU)的数据，实现了多模态传感器融合，可以实时构建出高精度、照片级别的三维辐射场地图。不同于传统依赖单一或简单组合定位技术(如卫星信号定位、惯性导航定位和环境特征匹配定位)，LIV-GaussMap通过迭代误差状态卡尔曼滤波(IESKF)对多源数据进行深度融合处理，有效地克服了单一技术方案在复杂环境下的局限性，例如在卫星信号受到遮挡时仅依赖惯导系统造成的定位误差累积问题。
具体实施过程中，系统首先确保硬件同步，使得摄像头图像和激光雷达点云间的时间对齐;然后通过融合激光雷达和IMU数据进行定位和初步地图构建;接着利用图像亮度梯度优化高斯结构和球面谐波系数，生成表面高斯模型;最后通过光度插值和外推技术合成新视图，并具备自适应地图结构的能力，以保证地图无间隙且具有丰富细节。
在实验验证阶段，LIV-GaussMap相较于现有的Plenoxel、F2-NeRF、3D-GS等先进技术，在生成图像的真实感、精度等方面表现更优，无论是在客观评价指标如峰值信噪比(PSNR)还是基于深度学习的图像相似度评估(LPIPS)上，其内插和外插效果均为最佳。
值得注意的是，LIV-GaussMap不仅适用于车载高阶智能驾驶场景下的实时3D建图，而且因其灵活的硬件兼容性和高度精细化的建图能力，还能应用于数字孪生、虚拟现实、机器人等领域，实现对三维场景的实时高质量渲染。
此外，沈邵劼团队中的成员背景多元且专业性强，他们致力于推动这项技术的发展，并计划在GitHub上开源LIV-GaussMap所需的硬件配置、软件代码以及相关的数据集，以便让更多研究者和开发者受益。沈劭劼本人作为港科大的副教授、大疆车载负责人，以及港科大-大疆联合创新实验室主任，在机器人、无人机状态估计、传感器融合、定位和地图绘制等多个研究领域有着深厚的学术造诣和广泛影响力。
