LiDAR 点云异常检测
机器人学
2025-04-01 v1 计算机视觉与模式识别
信号处理
摘要
LiDAR 传感器在现代自动驾驶系统的感知栈中起着重要作用。雨、雾和灰尘等恶劣天气条件，以及一些（偶发的）LiDAR 硬件故障，可能导致 LiDAR 产生具有异常模式（如散乱噪声点和不常见强度值）的点云。在本文中，我们提出一种通过分析点云特征来检测 LiDAR 是否正在生成异常点云的新方法。具体而言，我们基于 LiDAR 点的空间和强度分布开发了一种点云质量度量来表征点云的噪声水平，该方法依赖纯数学分析，不需要像基于学习的方法那样进行任何标注或训练。因此，该方法是可扩展的，并且可以快速部署于在线（通过监测 LiDAR 数据中的异常来提升自动驾驶安全性）或离线（对大量数据中的 LiDAR 行为进行深入研究）。所提方法使用由具有不同扫描机制和激光光谱的 LiDAR 收集的大量真实公共道路数据进行了研究，并被证明能够有效处理各种已知和未知的导致点云异常的来源。
引用
@article{arxiv.2308.00187,
title = {Detecting the Anomalies in LiDAR Pointcloud},
author = {Chiyu Zhang and Ji Han and Yao Zou and Kexin Dong and Yujia Li and Junchun Ding and Xiaoling Han},
journal= {arXiv preprint arXiv:2308.00187},
year = {2025}
}