多激光雷达布置对自动驾驶目标检测影响的研究

过去几年中，人们越来越关注提升自动驾驶车辆上激光雷达的感知性能。现有工作大多聚焦于开发新的深度学习算法或模型架构，而我们从物理设计的角度研究该问题，即多个激光雷达的不同布置方式如何影响基于学习的感知。为此，我们引入一种易于计算的信息论代理指标，以定量且快速地评估针对不同物体三维检测任务的激光雷达布置。我们还提出了一种在真实 CARLA 模拟器中的新数据采集、检测模型训练与评估框架，以评估不同的多激光雷达配置。利用受自动驾驶公司设计启发的几种流行布置方式，我们通过大量实验展示了我们的代理指标与不同代表性算法在 KITTI 上目标检测性能之间的相关性，验证了我们激光雷达布置评估方法的有效性。我们的结果表明，在基于三维点云的目标检测中，传感器布置不可忽略，其在具有挑战性的三维目标检测设置中会导致平均精度上高达 10% 的性能差异。我们相信这是首批定量研究激光雷达布置对感知性能影响的工作之一。代码已发布于 https://github.com/HanjiangHu/Multi-LiDAR-Placement-for-3D-Detection。