Efficient 3D Reconstruction and Real-Time Rendering of Large Environments Using Gaussian Splatting
2026 (English)Independent thesis Advanced level (degree of Master (One Year)), 20 credits / 30 HE credits
Student thesisAlternative title
Effektiv 3D rekonstruktion och realtidsrendering av storskaliga miljöer med Gaussian Splatting (Swedish)
Abstract [en]
Gaussian Splatting is a technique that enables photorealistic 3D reconstructions directly from photographic data, but applying the technique to large-scale indoor environments on consumer-grade hardware introduces significant computational and memory challenges. No robust pipeline has previously been demonstrated that handles data acquisition, reconstruction and real-time rendering of a complete indoor environment at this scale using only consumer-grade hardware. This thesis, conducted in collaboration with Stadium, presents, evaluates and develops a batch-based reconstruction pipeline applied to their distribution center DC100 in Norrköping, with a total area of 58,000 square meters. An analysis of time and memory complexity identified the number of simultaneously processed images as the dominant limiting factor, motivating a division of DC100 into 66 independent sections. A dedicated image acquisition strategy was developed for large-scale indoor environments and the individually reconstructed sections were merged into a coherent model via shared camera parameters. To enable real-time rendering, post-processing optimizations were applied to reduce computational demands and a distance-based level streaming system was implemented in Unreal Engine 5. Following completed reconstruction, based on 23,722 images with a total size of 79.5 GB, the work resulted in a digital model of 3 GB that despite low FPS could be navigated in real time on a laptop with integrated graphics, while on a dedicated consumer graphics card it performed at over 200 FPS. The results demonstrate that the developed method enables large-scale reconstructions with Gaussian Splatting that can be generated and rendered in real time using only consumer-grade hardware, for both data acquisition, reconstruction and real-time rendering. Future work for the method includes improved robustness in environments with repetitive structures, integration of external position data to strengthen reconstruction quality, and further optimization to enable smooth real-time rendering on low-end consumer hardware.
Abstract [sv]
Gaussian Splatting är en teknik som möjliggör fotorealistiska 3D-rekonstruktioner direkt från fotografisk data, men att tillämpa tekniken på storskaliga inomhusmiljöer på konsumenthårdvara introducerar betydande beräknings- och minnesmässiga utmaningar. Ingen robust pipeline har tidigare demonstrerats som hanterar datainsamling, rekonstruktion och realtidsrendering av en komplett inomhusmiljö i denna skala med enbart konsumenthårdvara. Detta examensarbete, utfört i samarbete med Stadium, presenterar, utvärderar och utvecklar en batchbaserad rekonstruktionspipeline tillämpad på deras distributionscenter DC100 i Norrköping, med en total yta på 58 000 kvadratmeter. En analys av tids- och minneskomplexiteten identifierade att antalet simultant processerade bilder är den dominerande begränsande faktorn, vilket motiverade en uppdelning av DC100 i 66 oberoende sektioner. En dedikerad fotostrategi utvecklades för storskaliga inomhusmiljöer och de individuellt rekonstruerade sektionerna sammanfogades till en sammanhängande modell via delade kameraparametrar. För att möjliggöra realtidsrendering tillämpades även optimeringar i efterhand för att reducera beräkningskraven och ett distansbaserat level streaming-system implementerades i Unreal Engine 5. Efter färdig rekonstruktion, baserat på 23 722 bilder med en total storlek på 79,5 GB, resulterade arbetet i en digital modell på 3 GB som trots låg FPS kunde navigeras i realtid på en laptop med integrerat grafikkort, medan den på ett dedikerat konsumentgrafikkort presterade i över 200 FPS. Resultaten demonstrerar att den utvecklade metoden möjliggör storskaliga rekonstruktioner med Gaussian Splatting som kan genereras och renderas i realtid med enbart konsumenthårdvara, för både datainsamling, rekonstruktion och realtidsrendering. Framtida arbete för metoden inkluderar förbättrad robusthet i miljöer med repetitiva strukturer, integrering av extern positionsdata för att stärka rekonstruktionskvaliteten samt vidare optimering för att möjliggöra smidig realtidsrendering även på lågpresterande konsumenthårdvara.
Place, publisher, year, edition, pages
2026. , p. 76
Keywords [en]
Gaussian Splatting, 3D reconstruction, real-time rendering, large-scale reconstruction, Unreal Engine 5, image-based reconstruction, Structure-from-Motion, batch-based reconstruction, level streaming, point cloud
Keywords [sv]
Gaussian Splatting, 3D-rekonstruktion, realtidsrendering, storskalig rekonstruktion, Unreal Engine 5, bildbaserad rekonstruktion, Structure-from-Motion, batchbaserad rekonstruktion, punktmoln
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:liu:diva-226066ISRN: LiU-ITN-TEK-A--26/031--SEOAI: oai:DiVA.org:liu-226066DiVA, id: diva2:2084012
External cooperation
Stadium, Norrköping
Subject / course
Media Technology
Supervisors
Examiners
2026-07-032026-07-032026-07-03Bibliographically approved