一种 LiDAR 点云生成器：从虚拟世界到自动驾驶
计算机视觉与模式识别
2018-04-03 v1
摘要
3D LiDAR 扫描仪能够生成环境的深度信息，在自动驾驶中扮演着日益重要的角色。然而，创建带有逐点标签的大规模 3D LiDAR 点云数据集需要大量人工标注。这危及了通常有大量数据需求的监督式深度学习算法的高效开发。我们提出一个框架，可从计算机游戏中快速生成带有精确逐点标签的点云。该框架支持从自动驾驶场景和用户配置场景中进行数据收集。来自自动驾驶场景的点云可用作深度学习算法的训练数据，而来自用户配置场景的点云可用于系统性地测试神经网络的脆弱性，并利用反例通过重训练使神经网络更加鲁棒。此外，可同时捕获场景图像以用于传感器融合任务，并提出了一种方法对点云与捕获的场景图像之间进行自动标定。我们通过用生成的合成数据扩充训练数据集，在点云分割上取得了准确率的显著提升（+9%）。我们的实验还表明，通过使用用户配置场景的点云测试和重训练网络，可以修复神经网络的弱点/盲点。
引用
@article{arxiv.1804.00103,
title = {A LiDAR Point Cloud Generator: from a Virtual World to Autonomous Driving},
author = {Xiangyu Yue and Bichen Wu and Sanjit A. Seshia and Kurt Keutzer and Alberto L. Sangiovanni-Vincentelli},
journal= {arXiv preprint arXiv:1804.00103},
year = {2018}
}