面向自动驾驶的图像引导户外 LiDAR 感知质量评估
计算机视觉与模式识别
2024-10-23 v1 人工智能
摘要
LiDAR 是自动驾驶车辆感知中最关键的传感器之一。然而，当前基于 LiDAR 的点云感知算法缺乏全面且严谨的 LiDAR 质量评估方法，导致检测性能存在不确定性。此外，现有的点云质量评估算法主要针对室内环境或单目标场景设计。本文提出了一种用于户外自动驾驶环境的图像引导点云质量评估算法，称为 Image-Guided Outdoor Point Cloud Quality Assessment (IGO-PQA) 算法。我们的算法包含两个主要组件。第一个组件是 IGO-PQA 生成算法，利用点云数据、对应的 RGB 周围视角图像以及智能体对象的 ground truth 标注，为单帧 LiDAR 点云生成整体质量分数。第二个组件是基于 transformer 的 IGO-PQA 回归算法，用于无参考户外点云质量评估。该回归算法可在无需图像数据和对象 ground truth 标注的情况下，实现对 IGO-PQA 分数的在线直接预测。我们使用 nuScenes 和 Waymo 开放数据集评估了所提出的算法。IGO-PQA 生成算法提供了一致且合理的感知质量指标。此外，我们提出的 IGO-PQA 回归算法在 nuScenes 数据集上实现了 0.86 的皮尔逊线性相关系数(PLCC)，在 Waymo 数据集上实现了 0.97。
引用
@article{arxiv.2406.17265,
title = {Image-Guided Outdoor LiDAR Perception Quality Assessment for Autonomous Driving},
author = {Ce Zhang and Azim Eskandarian},
journal= {arXiv preprint arXiv:2406.17265},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication