雪fall 条件下基于 LiDAR 的 3D 道路场景目标检测
计算机视觉与模式识别
2025-10-28 v1
摘要
由于 3D 道路环境结构可由光学探测与测距（LiDAR）传感器直接表征，LiDAR 传感器可为辅助及自动驾驶系统提供卓越的情境感知能力。尽管在清洁明亮的天气条件下 LiDAR 性能良好，但在液体降水等恶劣天气条件下性能显著下降。这可能导致基于 LiDAR 数据的感知系统在基于学习的模型中进行目标检测与测距时能力下降。虽已有努力提升这些模型的精度，但不同天气条件下的信号衰减程度仍大体未被量化。本研究聚焦于汽车级 LiDAR 在雪天条件下的性能，旨在构建物理基模型以探讨 LiDAR 传感器的失效模式。具体研究不同雪fall 率下 LiDAR 信号的衰减情况，以及雪粒子位于发射源附近作为小型且高效反射器的作用。利用本模型，我们将明晴条件的数据转化为模拟雪天场景，从而实现对比合成数据与实际雪天条件的一致性。进一步，我们运用代表不同雪fall 率的合成数据，探讨预训练目标检测模型在不同雪fall 程度下的性能影响。
引用
@article{arxiv.2510.22436,
title = {3D Roadway Scene Object Detection with LIDARs in Snowfall Conditions},
author = {Ghazal Farhani and Taufiq Rahman and Syed Mostaquim Ali and Andrew Liu and Mohamed Zaki and Dominique Charlebois and Benoit Anctil},
journal= {arXiv preprint arXiv:2510.22436},
year = {2025}
}
备注
2024 IEEE 27th International Conference on Intelligent Transportation Systems (ITSC), pp. 1441--1448, Sept. 2024