高保真数字孪生体： bridging Sim2Real 桥隙中的激光雷达基于 ITS 感知
计算机视觉与模式识别
2025-09-04 v1
摘要
Sim2Real 域迁移为开发激光雷达感知（例如目标检测、跟踪、分割）在智能交通系统（ITS）中提供了一种成本效益高且可扩展的方法。然而，训练于仿真环境中的感知模型在真实数据上往往表现不佳 due to distributional shifts。为此，本文提出了一种高保真数字孪生体（HiFi DT）框架，整合真实世界背景几何、路段级道路拓扑以及传感器特定规范和放置。我们形式化了 underlying Sim2Real 学习的 domain adaptation 挑战，并提出了一套系统方法，用于构建产生 in-domain 合成数据的仿真环境。我们使用一个即插即用的 3D 目标检测器在 HiFi DT 生成的合成数据上进行训练，并在真实数据上进行评估。我们的实验表明，DT 训练的模型在准确率上超过在真实数据上训练的等效模型 4.8%。为理解这一提升，我们在原始输入和潜在特征层面上使用多种指标量化合成数据与真实数据之间的分布性格，包括 Chamfer Distance（CD）、Maximum Mean Discrepancy（MMD）、Earth Mover's Distance（EMD）和 Fr'echet Distance（FD）。结果表明，HiFi DTs 在显著程度上减少了 domain shift，并在多样化的评估情景中实现更好的泛化。这些发现凸显了数字孪生体在实现 ITS 实际应用中可靠的基于激光雷达感知方面的重要作用。
引用
@article{arxiv.2509.02904,
title = {High-Fidelity Digital Twins for Bridging the Sim2Real Gap in LiDAR-Based ITS Perception},
author = {Muhammad Shahbaz and Shaurya Agarwal},
journal= {arXiv preprint arXiv:2509.02904},
year = {2025}
}