SurfelGAN：合成用于自动驾驶的真实传感器数据
计算机视觉与模式识别
2020-06-26 v2
摘要
自动驾驶系统开发关键依赖于在仿真中重放复杂多样交通场景的能力。在此类场景中，准确仿真相机、激光雷达或雷达等车载传感器至关重要。然而，当前传感器仿真器利用 Unreal 或 Unity 等游戏引擎，需要手动创建环境、物体和材料属性。此类方法可扩展性有限，且若不付出大量额外工作便无法产生相机、激光雷达和雷达数据的真实近似。在本文中，我们提出一种简单而有效的方法，仅基于自动驾驶车辆采集的少量激光雷达和相机数据来生成真实场景传感器数据。我们的方法使用纹理映射 surfel（面元）从车辆的初次或多次通行中高效重建场景，保留关于物体 3D 几何与外观以及场景条件的丰富信息。随后我们利用 SurfelGAN 网络为自动驾驶车辆及场景中运动物体在新位姿和朝向下重建真实相机图像。我们在 Waymo Open Dataset 上演示了我们的方法，并表明其能为仿真场景合成真实相机数据。我们还创建了一个新数据集，其中包含两辆自动驾驶车辆同时观察同一场景的情况。我们使用该数据集提供额外评估并展示我们 SurfelGAN 模型的有用性。
引用
@article{arxiv.2005.03844,
title = {SurfelGAN: Synthesizing Realistic Sensor Data for Autonomous Driving},
author = {Zhenpei Yang and Yuning Chai and Dragomir Anguelov and Yin Zhou and Pei Sun and Dumitru Erhan and Sean Rafferty and Henrik Kretzschmar},
journal= {arXiv preprint arXiv:2005.03844},
year = {2020}
}