基于深度学习的单目深度估计的光学透镜攻击

单目深度估计（MDE）在基于视觉的自动驾驶（AD）系统中发挥着关键作用。它利用单摄像机图像确定物体的深度，以便于驾驶决策，如在检测到的障碍物前几米制动或变线以避免碰撞。本文调查了单目视觉深度估计算法在AD系统中的安全风险。通过利用MDE的漏洞和光学透镜原理，我们引入了LensAttack，这是一种针对自动驾驶车辆摄像头的物理攻击，通过 strategically 放置光学透镜来操控 perceived object depths。LensAttack包含两种攻击格式：凹面透镜攻击和凸面透镜攻击，分别利用不同的光学透镜诱导虚假深度感知。我们首先构建了攻击的数学模型，纳入各种攻击参数。随后，我们模拟攻击并评估其在驾驶场景中的实际性能，以证明其对最先进MDE模型的影响。结果突显了LensAttack对AD系统深度估计精度的显著影响。