NeRF-LiDAR：利用神经辐射场生成逼真LiDAR点云
计算机视觉与模式识别
2024-01-23 v3
摘要
为训练自动驾驶而标注LiDAR点云极其昂贵且困难。LiDAR仿真旨在生成带标签的逼真LiDAR数据，以更高效地训练和验证自动驾驶算法。近来，神经辐射场（NeRF）被提出用于通过隐式重建3D场景实现新视角合成。受此启发，我们提出NeRF-LIDAR，一种利用真实世界信息生成逼真LIDAR点云的 novel LiDAR仿真方法。与现有LiDAR模拟器不同，我们使用自动驾驶汽车采集的真实图像与点云数据来学习3D场景表示、点云生成与标签渲染。我们在生成的LiDAR点云上训练不同的3D分割模型以验证NeRF-LiDAR的有效性。结果显示，训练所得模型与在真实LiDAR数据上训练的同类模型相比能达到相近精度。此外，生成的数据能够通过预训练提升精度，从而有助于降低对真实标注数据的需求。
引用
@article{arxiv.2304.14811,
title = {NeRF-LiDAR: Generating Realistic LiDAR Point Clouds with Neural Radiance Fields},
author = {Junge Zhang and Feihu Zhang and Shaochen Kuang and Li Zhang},
journal= {arXiv preprint arXiv:2304.14811},
year = {2024}
}