基于相关对齐的仿真到真实域自适应用于点云离线三维目标标注
计算机视觉与模式识别
2022-03-01 v2 机器学习
摘要
在自动驾驶感知系统中，用三维边界框标注LiDAR点云中的目标是一个昂贵的人工驱动过程。本文提出一种方法，利用仿真数据半自动地标注由部署车辆采集的真实世界点云。我们在来自CARLA的带标签仿真数据与我们目标车辆的真实世界点云上联合训练一个三维目标检测模型。有监督的目标检测损失通过一个CORAL损失项进行增强，以减小带标签仿真与无标签真实点云特征表示之间的距离。这里的目标是学习与仿真（带标签）和真实世界（无标签）目标域无关的表示。我们还提供了关于点云域自适应方法的更新综述。
引用
@article{arxiv.2202.02666,
title = {Simulation-to-Reality domain adaptation for offline 3D object annotation on pointclouds with correlation alignment},
author = {Weishuang Zhang and B Ravi Kiran and Thomas Gauthier and Yanis Mazouz and Theo Steger},
journal= {arXiv preprint arXiv:2202.02666},
year = {2022}
}
备注
Accepted at IMPROVE 2022