面向恶劣天气的 3D 点云去噪模型 TripleMixer
计算机视觉与模式识别
2025-08-22 v2 机器人学
摘要
恶劣天气条件如雪、雾和雨对基于激光雷达的感知模型构成重大挑战，因其引入噪声并破坏点云测量数据。为此，我们提出一种稳健且高效的点云去噪网络 TripleMixer，集成空间、频率与通道注意力处理，包含三个专门的混合模块。TripleMixer 有效抑制高频噪声，同时保留关键几何结构，可无缝集成至现有激光雷达感知管道中作为即插即用模块。为支持去噪方法的开发与评估，我们构建了两个大规模模拟数据集 Weather-KITTI 和 Weather-NuScenes，涵盖多样天气场景，包含稠密点级语义标注与噪声标注。基于这些数据集，我们建立了四项基准：去噪、语义分割（SS）、姿态识别（PR）和目标检测（OD）。这些基准使我们能够在模拟及真实恶劣天气条件下，系统评估去噪的泛化性、可迁移性及下游影响。大量实验表明，TripleMixer 实现了该领域的最先进去噪性能，并在所有下游任务中取得显著提升，无需重新训练。我们的结果凸显了去噪作为任务无关性预处理策略的潜力，以提升真实世界自主驾驶应用中激光雷达的鲁棒性。
引用
@article{arxiv.2408.13802,
title = {TripleMixer: A 3D Point Cloud Denoising Model for Adverse Weather},
author = {Xiongwei Zhao and Congcong Wen and Xu Zhu and Yang Wang and Haojie Bai and Wenhao Dou},
journal= {arXiv preprint arXiv:2408.13802},
year = {2025}
}
备注
15 pages, submit to IEEE TIP