面向资源受限自动驾驶感知的折射失真与天气引起的伪影仿真

来自发展中国家、尤其是非洲多样化的城市、农村和未铺装道路的自动驾驶数据集稀缺，这是低资源环境下鲁棒感知的关键障碍。我们提出了一个程序化数据增强管道，为低成本单目 dashcam footage 添加逼真的折射失真和天气引起的伪影，以适应非洲各种具备挑战性驾驶场景。我们的折射模块模拟来自低质量镜头和大气湍流的光学效应，包括镜头畸变、Perlin 噪声、细薄板样条（Thin-Plate Spline, TPS）以及发散自由（不可压缩）变形。我们的天气模块添加均匀雾、非均匀雾和镜头光晕。为建立基准，我们提供了使用三种图像修复模型的基线性能。为支持非洲背景下的感知研究，无需昂贵的数据收集、标注或仿真，我们发布了我们的失真工具包、增强后数据集划分以及基准结果。