LISA：基于物理的恶劣天气条件下三维目标检测激光雷达光散射增强
计算机视觉与模式识别
2021-07-16 v1 光学
摘要
基于激光雷达的目标检测器是自动驾驶汽车等自主导航系统中三维感知流程的关键部分。然而，已知它们对雨、雪、雾等恶劣天气条件敏感，原因是信噪比（SNR）和信号背景比（SBR）降低。因此，在正常天气捕获数据上训练的基于激光雷达的目标检测器在此类场景中往往表现不佳。但是，在多样化恶劣天气条件下收集和标注充足训练数据费力且极其昂贵。为解决该问题，我们提出一种基于物理的方法来模拟恶劣天气条件下场景的激光雷达点云。这些增强数据集随后可用于训练基于激光雷达的检测器，以提升其全天候可靠性。具体而言，我们引入一种基于混合蒙特卡洛的方法，其（i）通过随机放置大颗粒并将其后向反射功率与目标比较来处理大颗粒效应，以及（ii）通过由米氏理论和颗粒尺寸分布计算散射效率来平均处理衰减效应。用该增强数据重新训练网络可改善在真实世界雨天场景上评估的平均精度均值，且我们观察到相对于文献中现有模型，我们的模型性能提升更大。此外，我们在模拟天气条件下评估了近期最先进的检测器，并给出了其性能的深入分析。
引用
@article{arxiv.2107.07004,
title = {Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection},
author = {Velat Kilic and Deepti Hegde and Vishwanath Sindagi and A. Brinton Cooper and Mark A. Foster and Vishal M. Patel},
journal= {arXiv preprint arXiv:2107.07004},
year = {2021}
}