RS2AD：基于路侧传感器观测的端到端自动驾驶数据生成
机器人学
2025-05-12 v3 计算机视觉与模式识别
摘要
处理多模态传感数据以直接生成精细化控制指令的端到端自动驾驶解决方案，已成为自动驾驶研究中的主流范式。然而，这些方法主要依赖单车数据采集进行模型训练和优化，导致数据采集与标注成本高昂、关键驾驶场景稀缺以及数据集碎片化阻碍模型泛化等重大挑战。为缓解这些局限性，我们引入了 RS2AD，一种从路侧传感器观测中重建与合成车载激光雷达数据的新框架。具体而言，我们的方法利用目标车辆的相对位姿，将路侧激光雷达点云转换至车载激光雷达坐标系。随后，通过虚拟激光雷达建模、点云分类和重采样技术，合成高保真车载激光雷达数据。据我们所知，这是首个从路侧传感器输入重建车载激光雷达数据的方法。广泛的实验评估表明，将 RS2AD 方法生成的数据（RS2V-L 数据集）作为 KITTI 数据集的补充纳入模型训练，可显著提升 3D 目标检测的准确率，并极大提高端到端自动驾驶数据生成的效率。这些发现有力地验证了所提方法的有效性，并突显了其在减少对昂贵车载数据采集依赖的同时提升自动驾驶模型鲁棒性的潜力。
引用
@article{arxiv.2503.07085,
title = {RS2AD: End-to-End Autonomous Driving Data Generation from Roadside Sensor Observations},
author = {Ruidan Xing and Runyi Huang and Qing Xu and Lei He},
journal= {arXiv preprint arXiv:2503.07085},
year = {2025}
}