UrbanTwin：为 Sim2Real LiDAR 感知构建高保真数字孪生体
计算机视觉与模式识别
2025-10-15 v2
摘要
基于激光雷达的感知在智能交通系统（ITS）中依赖于使用大规模标记数据集训练的深度神经网络。然而，创建此类数据集昂贵、耗时且费力，限制了感知系统的可扩展性。Sim2Real 学习提供了一种可扩展的替代方案，但其成功取决于模拟环境、动态性和传感器的保真度。本教程介绍了一个可复现的工作流程，用于构建高保真数字孪生体（HiFi DTs），以生成逼真的合成数据集。我们概述了使用卫星图像、OpenStreetMap 和传感器规范等开源资源对静态几何、道路基础设施和动态交通进行建模的实用步骤。 resulting 环境支持可扩展且成本效益高的合成数据生成，以实现可靠的 Sim2Real 学习。通过该工作流程，我们已发布了三个模拟 LiDAR 数据集，即 UT-LUMPI、UT-V2X-Real 和 UT-TUMTraf-I，它们 closely 复制真实位置，并在感知任务中超越基于真实数据的基线模型。本指南使 HiFi DTs 在 ITS 研究和部署中得以更广泛的采用。
引用
@article{arxiv.2509.02903,
title = {UrbanTwin: Building High-Fidelity Digital Twins for Sim2Real LiDAR Perception and Evaluation},
author = {Muhammad Shahbaz and Shaurya Agarwal},
journal= {arXiv preprint arXiv:2509.02903},
year = {2025}
}