基于全波形表征与同步激光感知的 LiDAR 点云在干扰攻击下的神经重建
计算机视觉与模式识别
2026-04-02 v1
摘要
LiDAR 传感器是自动驾驶感知的关键组件，但仍易受到欺骗攻击。干扰攻击注入高频激光脉冲，通过淹没真实返回信号而使 LiDAR 传感器完全失效。我们发现尽管点云被随机化，底层的全波形数据仍保留着攻击与合法信号之间的可区分特征。本文提出 PULSAR-Net，能够利用尚未充分利用的中间全波形表征以及现代 LiDAR 系统中的同步激光感知，在干扰攻击下重建真实点云。PULSAR-Net 采用新颖的 U-Net 架构，包含专为在全波形表征中识别攻击引起的信号与真实物体返回信号而设计的轴向空间注意力机制。为解决现有 LiDAR 数据集在干扰攻击下缺乏全波形表征的问题，我们引入一个基于物理的合成数据生成管道，用于合成干扰攻击下的真实全波形表征。尽管仅使用合成数据训练，PULSAR-Net 在现实世界静态和驾驶场景中，分别实现了被干扰车辆的 92% 和 73% 重建率。
关键词
引用
@article{arxiv.2604.00371,
title = {Neural Reconstruction of LiDAR Point Clouds under Jamming Attacks via Full-Waveform Representation and Simultaneous Laser Sensing},
author = {Ryo Yoshida and Takami Sato and Wenlun Zhang and Yuki Hayakawa and Shota Nagai and Takahiro Kado and Taro Beppu and Ibuki Fujioka and Yunshan Zhong and Kentaro Yoshioka},
journal= {arXiv preprint arXiv:2604.00371},
year = {2026}
}