面向激光雷达点云的端到端传感器建模
图像与视频处理
2019-07-19 v1 计算机视觉与模式识别
摘要
先进传感器是实现自动驾驶汽车技术的关键。激光扫描传感器（LiDAR，光探测与测距）因其远距离及对弱光驾驶条件的鲁棒性而成为基本选择。为自动驾驶汽车设计控制软件是一项难以用基于规则的系统显式表述的复杂任务，因此近期方法依赖于能从数据中学习这些规则的机器学习。此类方法的主要问题在于，泛化机器学习模型所需的训练数据量巨大，而另一方面 LiDAR 数据标注相较于其他车载传感器非常昂贵。精确的 LiDAR 传感器模型可应对该问题。此外，其价值不止于此，因为现有 LiDAR 开发、验证与评估平台及流程成本高昂，且虚拟测试与开发环境在物理属性表征方面仍不成熟。本文提出一种新颖的基于深度学习的 LiDAR 传感器模型。该方法对传感器回波建模，使用深度神经网络对从真实数据利用极坐标栅格图（PGM）学到的回波脉冲宽度进行建模。我们将模型性能与详尽真实传感器数据基准对比，取得了非常有前景的结果，为未来工作设立了基线。
引用
@article{arxiv.1907.07748,
title = {End-to-end sensor modeling for LiDAR Point Cloud},
author = {Khaled Elmadawi and Moemen Abdelrazek and Mohamed Elsobky and Hesham M. Eraqi and Mohamed Zahran},
journal= {arXiv preprint arXiv:1907.07748},
year = {2019}
}
备注
Accepted in IEEE Intelligent Transportation Systems Conference - ITSC 2019