用于激光雷达仿真的轻量级机器学习流水线
计算机视觉与模式识别
2022-08-08 v1 图像与视频处理
摘要
虚拟测试是确保自动驾驶安全的关键任务，而传感器仿真是该领域的一项重要任务。当前大多数LiDAR仿真非常简化，主要用于执行初始测试，而多数见解是在道路上收集的。本文中，我们提出一种更真实LiDAR仿真的轻量级方法，该方法从试驾数据中学习真实传感器的行为并将其转换到虚拟域。核心思想是将仿真转化为图像到图像的翻译问题。我们在两个真实世界数据集上训练基于pix2pix的架构，即流行的KITTI数据集和提供RGB与LiDAR图像的Audi Autonomous Driving Dataset。我们将该网络应用于合成渲染图，并表明其能从真实图像充分泛化到仿真图像。该策略使得在我们的合成世界中跳过传感器特定的、昂贵且复杂的LiDAR物理仿真，并避免由于干净合成环境带来的过度简化和巨大域间隙。
引用
@article{arxiv.2208.03130,
title = {A Lightweight Machine Learning Pipeline for LiDAR-simulation},
author = {Richard Marcus and Niklas Knoop and Bernhard Egger and Marc Stamminger},
journal= {arXiv preprint arXiv:2208.03130},
year = {2022}
}
备注
Conference: DeLTA 22; ISBN 978-989-758-584-5; ISSN 2184-9277; publisher: SciTePress, organization: INSTICC