基于神经渲染模型的自动驾驶数据集姿态优化

自动驾驶系统依赖于对自车进行准确的感知和定位，以确保在挑战性的真实世界驾驶情景中安全可靠。公共数据集在基准测试和指导研究进步方面发挥着重要作用，提供标准化资源用于模型开发和评估。然而，这些数据集中传感器校准和车辆姿态可能存在不准确的问题，可能导致下游任务出现错误评估，严重影响自动系统的可靠性和性能。为此，我们提出一种基于神经辐射场（NeRF）的鲁棒优化方法，用于细化传感器姿态和校准参数，以增强数据集基准的完整性。为验证所优化姿态在无真值情况下的准确性，我们提出了严格的评估流程，依赖于重投影度量、新视角合成渲染质量以及几何对齐。我们展示了该方法在传感器姿态准确性方面取得显著改进。通过优化这些关键参数，我们的方法不仅提高了现有数据集的实用性，也为更可靠的自动驾驶模型铺平了道路。为促进该领域的持续进步，我们将优化后的传感器姿态公开提供，为研究社区提供了宝贵资源。