OLiDM：面向自动驾驶的对象感知LiDAR扩散模型
计算机视觉与模式识别
2024-12-24 v1 机器人学
摘要
为提升自动驾驶在复杂场景中的安全性，已提出 various 方法来模拟LiDAR点云数据。然而，这些方法常面临生成高质量、多样且可控前景对象的挑战。为满足3D感知中的对象感知需求，我们引入OLiDM，一个能够在对象和场景层面生成高保真LiDAR数据的新型框架。OLiDM包含两个关键组件：对象-场景渐进生成(OPG)模块和对象语义对齐(OSA)模块。OPG适应用户特定的提示，在场景生成中生成所需的前景对象，确保在对象和场景层面可控输出。这还促进了用户定义的对象级注释与生成LiDAR场景的关联。此外，OSA旨在纠正前景对象与背景场景之间的对齐，提高生成对象的整体质量。在各种LiDAR生成任务以及3D感知任务中，OLiDM的广泛有效性得到验证。在KITTI-360数据集上，OLiDM超过了UltraLiDAR等先前SOTA方法17.5个FPD。此外，在稀疏到稠密LiDAR完成任务中，OLiDM相较于LiDARGen实现了57.47%的语义IoU提升。更重要的是，OLiDM在主流3D检测器中提升了0.24%的mAP和1.9%的NDS，凸显了其在推动对象感知3D任务方面的潜力。代码已公开：https://yanty123.github.io/OLiDM。
引用
@article{arxiv.2412.17226,
title = {OLiDM: Object-aware LiDAR Diffusion Models for Autonomous Driving},
author = {Tianyi Yan and Junbo Yin and Xianpeng Lang and Ruigang Yang and Cheng-Zhong Xu and Jianbing Shen},
journal= {arXiv preprint arXiv:2412.17226},
year = {2024}
}
备注
AAAI 2025, https://yanty123.github.io/OLiDM