NeRF衍生项目，谷歌用Waymo自动驾驶汽车打造3D数字城市
Esther|编辑
前不久，谷歌公布了一系列与AR导航、沉浸式立体地图相关的更新，让我们进一步了解谷歌3D地图的发展路径，包括基于海量街景数据合成3D，以及后续会在街景相机上加入LiDAR模组，来实现3D定位等等。相关阅读：《谷歌重磅AR功能来袭，融合街景海量数据，目标打造世界级AR体验》
相比于Niantic、Snap等初创公司，谷歌LBS AR、3D地图领域更具优势，仅背靠谷歌地图、谷歌地球就拥有大量的环境和定位数据，因此扩展3D地图布局将更加顺利。
不仅如此，谷歌已经开始从多方面着手收集3D的环境数据。比如，谷歌母公司Alphabet旗下的自动驾驶汽车项目Waymo，近期就公布了图像合成模型NeRF的衍生版本：Block-NeRF，其特点是可通过自动驾驶汽车的传感器来收集街区的环境数据，并根据这些数据来合成大规模的3D场景。
关于Block-NeRF
据了解，NeRF简单来讲就是神经辐射场，原理是使用MLP神经网络隐式的学习一个静态3D场景，并通过静态图像，去渲染大规模3D场景的任意角度。
与此前谷歌的其他NeRF模型相比，Block-NeRF采用自动驾驶汽车Waymo用传感器收集的路面数据，来生成区域神经辐射场，并组合成3D场景。Block-NeRF不局限于车辆经过的路面场景，也可以3D重建完整的大规模环境。比如，Waymo利用Block-NeRF渲染了旧金山阿拉莫广场街区（约半平方公里），其中包括35个街区NeRF模型。
经过三个月时间，Waymo捕捉280万张图片，一些场景甚至需要超过13小时车程（1330次驾驶）收集的数据。Waymo表示：我们构建了迄今为止最大的神经辐射场，可渲染出旧金山的完整街区。
Block-NeRF的亮点是比NeRF方案渲染的环境规模更大，其规模可跨越城市多个街区，因此有潜力渲染城市规模的3D场景。实际上，Block-NeRF是将多个街区分解为单独的NeRF，并分别训练这些分区NeRF，然后通过进行组合而生成完整场景。
分区训练NeRF的好处是，可分解渲染时间，可快速扩展至任意大渲染规模，而且每一块NeRF都可以独立更新。
因此，利用Block-NeRF生成的3D场景可任意角度查看，而且可以调整一天中任意时间的光影等元素变化。
旧金山-格雷斯大教堂
旧金山-市中心街区
等等，怎么听上去像这么像是一个三维建模引擎，传统的引擎是基于虚拟场景建模，而Block-NeRF则是基于真实场景来建模，同样是建模，也见证了不同公司的不同视角。很显然，在面向LBS AR/MR的交互场景下，基于Block-NeRF的潜力无穷大。未来的AR将不局限于Local模式，基于真实世界的虚拟场景锚定将呈现完全不同的体验。
方案特点
随着技术发展，神经辐射场在给定一组相机姿态图像后，可实现照片级保真的3D重建和新视图合成。不过，早期的方案主要针对小规模场景、目标物体为中心进行重建，难以实现城市级的规模化3D重建（重建大场景时容易导致明显的伪影和低视觉保真度）。
大规模3D场景重建有多种用途，可用于自动驾驶、航空测量等领域。比如地图映射，为真实场景创建高保真的3D地图，以帮助机器人定位、导航和躲避障碍。此外，大规模场景建模也可用于闭环机器人模拟。
对于自动驾驶系统来讲，可生成任意视图的3D场景可提升导航的稳定性，因为3D场景模型记录了场景中可能出现的变化（比如环境照明条件、相机曝光、天气和时间变化、汽车和行人运动），因此在实际导航时，即使路面信息变化，车辆的轨迹也不容易被改变。
不过，这种动态变化的3D场景无法依赖一次性采集的环境数据，为了体现场景中不同区域的变化，这些区域分别需要独立的数据源。因此，Waymo在NeRF基础上进行扩展，将一个场景分为多个block/区域，并通过外观嵌入和学习姿态细化，以此开发了Block-NeRF模型，来计算动态环境变化。
相比于统一的NeRF模型，Block-NeRF更加模块化，其好处是降低渲染时间和对算力的依赖，在扩展3D场景规模时，无需重新训练整个网络。也就是说，只需要独立渲染每一个Block-NeRF的分区，然后根据它所在的位置，合称为3D场景。
这些NeRF模块可并行渲染和训练，在计算过程中可实现场景的平滑合成。同时，还优化了外观代码，以匹配环境光照条件，动态调整亮度权重。
而为了让Block-NeRF在不同环境中也能稳定捕捉数据，Waymo更改了几种架构设计，并为每个独立的NeRF加入外观嵌入、学习姿态细化和可控曝光功能。此外，为了提升NeRF模块的组合效果，还引入了一个专门的拼接匹配程序。
为了覆盖目标环境，Waymo会在每个交叉口放置一个Block-NeRF，可覆盖相关街道75%面积。这意味着两个相邻街区常常有50%试图重叠。这些NeRF模块的尺寸和布局可自定义，只要确保完整覆盖整个场景即可。
已建成2个合成数据集
为了展示研究成果，科研人员分别创建了基于旧金山阿拉莫光场和使命湾合成的3D场景。
据悉，阿拉莫广场面积960x570米，数据分别捕捉于6月、7月和8月，共由35个Block-NeRF组成，经过了38到48次数据收集训练，训练每个Block-NeRF分别使用了6.5万到10.8万张图像数据，累计采集时间为13.4小时（1330次数据采集）。
使命湾数据集则是一个对照数据，作为Block-NeRF的训练基准。该数据是在2020年11月一次性采集的，捕捉到的图像拥有一支的环境条件，采集时间超过100秒，包含1.08公里车程、1.2万张图像。
经过实验验证，科研人员发现Block-NeRF还存在一些局限，比如：
1）如果对象未正确遮盖，它们可能会导致生成的渲染中出现伪影，比如正确移除汽车后，常常还会留下汽车的影子。
2）另外，合成场景中的植被也打破了沉浸感，因为树叶会随风移动的特性，导致树木和植物的渲染结果模糊。
3）训练数据中可能会出现时间不一致的模块，需要手动重新训练。
值得注意的是，目前Block-NeRF还无法渲染动态对象，未来可以在优化过程中训练瞬态对象，或是直接对动态对象建模来解决这一问题。也可以通过分割掩模、边界框来分离Block-NeRF和单独可控的NeRF对象。
此外，还需要采用缓存技术、稀疏体积网格等方式，来优化NeRF渲染的计算成本、延迟。
参考：
https://waymo.com/intl/zh-cn/research/block-nerf/
（ END）
——青亭网