面向鲁棒三维目标检测的激光雷达降雪仿真
计算机视觉与模式识别
2022-06-07 v2 机器学习
摘要
三维目标检测是自动驾驶等应用的核心任务，系统需要在不利天气条件下也能定位并分类周围交通参与者。本文研究降雪条件下基于 LiDAR 的三维目标检测问题。由于在此场景下采集和标注训练数据困难，我们提出一种基于物理的方法，模拟降雪对真实晴好天气 LiDAR 点云的影响。我们的方法在每条 LiDAR 线的二维空间中采样雪粒子，并利用由此产生的几何关系相应修改每条 LiDAR 光束的测量值。此外，由于降雪常导致地面湿润，我们还模拟了 LiDAR 点云上的地面湿润。我们利用仿真生成部分合成的下雪 LiDAR 数据，并借助这些数据训练对降雪鲁棒的三维目标检测模型。我们使用多种最先进的三维目标检测方法进行了广泛评估，结果表明与晴好天气基线和竞争仿真方法相比，我们的仿真在真实降雪 STF 数据集上持续带来显著性能提升，且在晴好天气下不牺牲性能。我们的代码发布于 www.github.com/SysCV/LiDAR_snow_sim。
引用
@article{arxiv.2203.15118,
title = {LiDAR Snowfall Simulation for Robust 3D Object Detection},
author = {Martin Hahner and Christos Sakaridis and Mario Bijelic and Felix Heide and Fisher Yu and Dengxin Dai and Luc Van Gool},
journal= {arXiv preprint arXiv:2203.15118},
year = {2022}
}
备注
Oral at CVPR 2022