Surfel

• También llamado: surface element
• Categoría: Sensing › 3D maps & reconstruction
• Etiquetas: mapping, slam, 3d-reconstruction, lidar, 3d-perception

Un elemento de superficie: un pequeño disco orientado con una posición, una normal y un radio, a menudo con color, confianza y marcas de tiempo, que se usa para construir mapas 3D densos.

Definición

Surfel, abreviatura de surface element (elemento de superficie), es un pequeño disco plano que aproxima un fragmento de una superficie. Cada surfel almacena al menos una posición 3D, un vector normal y un radio, y los sistemas de mapeo suelen añadir campos como el color, un valor de confianza o de estabilidad y los instantes en que se creó y se actualizó por última vez. Pfister y sus colegas introdujeron los surfels en 2000 como primitiva de renderizado en gráficos por computadora, y más tarde se adoptaron para la reconstrucción 3D densa y el SLAM con cámaras de profundidad y LiDAR.

Un mapa de surfels se sitúa entre una nube de puntos en bruto y una malla o un mapa volumétrico. A diferencia de los puntos simples, los surfels tienen orientación y extensión, por lo que pueden renderizarse como una superficie de aspecto cerrado y compararse con nuevas mediciones mediante distancias punto a plano. A diferencia de un campo de distancia con signo truncado sobre una rejilla de vóxeles, no necesitan un volumen fijo ni una resolución fija, y pueden moverse individualmente. Esta última propiedad importa para el SLAM: cuando un cierre de bucle corrige la trayectoria, sistemas como ElasticFusion deforman el mapa de surfels con un grafo de deformación en lugar de reconstruir un volumen.

En una cadena típica de SLAM con surfels, el mapa actual se renderiza desde la pose estimada del sensor, a menudo en la GPU, para producir una imagen del modelo con posiciones y normales. El nuevo fotograma se alinea con este renderizado, lo que proporciona una asociación de datos proyectiva rápida para un registro al estilo de ICP. Las mediciones que coinciden con un surfel existente lo actualizan mediante un promedio ponderado y aumentan su confianza; las mediciones sin correspondencia crean surfels nuevos, y los surfels que rara vez se confirman se eliminan. SuMa y SuMa++ aplican este esquema al LiDAR rotativo, usando imágenes de distancia para el renderizado, y SuMa++ añade etiquetas semánticas a cada surfel para filtrar los objetos en movimiento.

Por qué importa

Los surfels proporcionan un mapa de superficie denso y editable que permite un registro rápido y puede corregirse tras un cierre de bucle sin reconstruirlo. Son una opción habitual en el SLAM denso RGB-D y LiDAR, y discos orientados similares aparecen en representaciones de escenas más recientes, neuronales y basadas en gaussianas.

Aplicaciones clave

• SLAM RGB-D denso y reconstrucción 3D de interiores
• SLAM LiDAR para conducción y mapeo en exteriores
• Mapeo semántico con etiquetas de clase por surfel
• Renderizado basado en puntos de escenas escaneadas
• Deformación del mapa tras un cierre de bucle

En la práctica

Un equipo que cartografía una manzana de una ciudad con un LiDAR rotativo montado en un coche usa un sistema de SLAM basado en surfels. Para cada nuevo escaneo, el sistema renderiza el mapa de surfels actual en una imagen de distancia en la pose predicha, alinea el escaneo con ella mediante ICP punto a plano y después fusiona los puntos con correspondencia en los surfels existentes, a la vez que añade surfels nuevos para las zonas sin correspondencia. Los ingenieros ajustan el umbral de estabilidad que decide cuándo se confía en un surfel y las reglas para eliminar los surfels que ya no se observan, ya que, de lo contrario, los coches aparcados que se marchan permanecerían en el mapa. A cada surfel se le asignan etiquetas semánticas de una red de segmentación para que los puntos sobre vehículos en movimiento puedan excluirse del registro.

Ideas erróneas comunes

• Un surfel es solo un punto — también tiene una normal y un radio, que lo convierten en un pequeño disco orientado en lugar de una muestra sin extensión
• Los mapas de surfels son mallas — los surfels no están conectados y no hay una topología explícita entre vecinos
• Los surfels necesitan una rejilla de vóxeles fija — viven en un espacio continuo, lo que es una de sus ventajas frente a los mapas volumétricos
• Cada punto observado se convierte en un surfel permanente — la fusión combina observaciones repetidas y elimina los surfels que no se confirman

Quién debería saberlo

• Ingenieros de SLAM y de mapeo 3D
• Desarrolladores de percepción con LiDAR y RGB-D
• Ingenieros de gráficos por computadora y de renderizado
• Equipos de mapeo para conducción autónoma

Tecnologías relacionadas

• ElasticFusion
• SuMa
• Fusión TSDF (TSDF Fusion)
• Renderizado basado en puntos (Point-Based Rendering)
• 2D Gaussian Splatting

Términos relacionados

• Point Cloud
• SLAM
• Iterative Closest Point
• Range Image
• Signed Distance Field
• 3D Gaussian Splatting

Proyectos relacionados

• LingBot-Map: Streaming 3D reconstruction from one camera: pose and depth for every frame, live
• oomwoo: Open-source DIY robot vacuum: 3D-printed, ROS2 + 2D LiDAR, fully local.
• Cartographer: Google's real-time 2D and 3D SLAM system for multi-platform robotics
• OpenDroneMap: Open-source photogrammetry toolkit that turns drone images into maps and 3D models
• FAST-LIVO2: Fast, direct LiDAR-inertial-visual odometry from HKU-MARS, published in IEEE T-RO
• DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required