基于语义掩码引导的户外LiDAR场景编辑（Range-Edit）

训练自动驾驶和导航系统需要大量且多样化的点云数据集，以捕获来自各种动态城市场景中复杂的边缘情形。尤其是针对关键边缘情形的获取，现实点云数据显得具有挑战性，这限制了系统的泛化能力和鲁棒性。当前方法依赖于在手工构建的3D虚拟环境中模拟点云数据，这既耗时又昂贵，往往难以充分捕捉真实场景的复杂性。为此，本研究提出一种新方法，通过语义掩码引导编辑真实LiDAR扫描数据，以生成新型合成LiDAR点云。我们融合范围图像投影和语义掩码条件，实现基于扩散的生成。点云被转换为2D范围视图图像，作为中间表征，使其能够利用基于凸包的语义掩码实现语义编辑。这些掩码通过提供对象在真实环境中的尺寸、方向和位置信息，引导生成过程，确保几何一致性和真实性。该方法展示了高质量的LiDAR点云生成能力，能够产生复杂的边缘情形和动态场景，已在KITTI-360数据集上验证。为改善自动驾驶系统的鲁棒性，提供了一种高性价比且可扩展的多样化LiDAR数据生成方案。