基于能量的LiDAR数据中恶劣天气效应检测
计算机视觉与模式识别
2023-06-30 v3
摘要
自动驾驶车辆依赖LiDAR传感器感知环境。雨、雪、雾等恶劣天气条件会对这些传感器产生负面影响，通过在测量中引入不必要的噪声降低其可靠性。在这项工作中，我们通过提出一种用于检测LiDAR数据中恶劣天气效应的新方法来解决此问题。我们将该问题重新表述为离群点检测任务，并使用基于能量的框架来检测点云中的离群点。更具体地说，我们的方法学习将低能量分数与内点相关联，将高能量分数与离群点相关联，从而实现对恶劣天气效应的鲁棒检测。在大量实验中，我们表明我们的方法在恶劣天气检测中表现更优，并且对未见过的天气效应具有比先前最先进方法更高的鲁棒性。此外，我们展示了我们的方法如何用于执行同步离群点检测与语义分割。最后，为助力拓展恶劣天气下LiDAR感知的研究领域，我们发布了SemanticSpray数据集，其包含高速公路类似场景中的带标注车辆喷雾数据。该数据集可在 https://semantic-spray-dataset.github.io 获取。
引用
@article{arxiv.2305.16129,
title = {Energy-based Detection of Adverse Weather Effects in LiDAR Data},
author = {Aldi Piroli and Vinzenz Dallabetta and Johannes Kopp and Marc Walessa and Daniel Meissner and Klaus Dietmayer},
journal= {arXiv preprint arXiv:2305.16129},
year = {2023}
}
备注
Accepted for publication in IEEE Robotics and Automation Letters (RA-L)