LiDAR Snowfall Simulation for Robust 3D Object Detection

要約

3Dオブジェクト検出は、自動運転などのアプリケーションの中心的なタスクです。このアプリケーションでは、悪天候が存在する場合でも、システムが周囲の交通エージェントを特定して分類する必要があります。
この論文では、降雪時のLiDARベースの3Dオブジェクト検出の問題に対処します。
この設定ではトレーニングデータの収集と注釈付けが難しいため、実際の晴天のLiDARポイントクラウドに対する降雪の影響をシミュレートするための物理ベースの方法を提案します。
私たちの方法では、各LiDARラインの2D空間で雪の粒子をサンプリングし、誘導されたジオメトリを使用して、それに応じて各LiDARビームの測定値を変更します。
さらに、降雪は地面の湿り気を引き起こすことが多いため、LiDARポイントクラウドの地面の湿り気もシミュレートします。
シミュレーションを使用して、部分的に合成された雪に覆われたLiDARデータを生成し、これらのデータを活用して、降雪に対して堅牢な3Dオブジェクト検出モデルをトレーニングします。
いくつかの最先端の3Dオブジェクト検出方法を使用して広範な評価を実施し、シミュレーションにより、晴天時のベースラインや競合するシミュレーションアプローチと比較して、実際の雪のSTFデータセットで一貫して大幅なパフォーマンスの向上が得られることを示しています。
晴れ。
私たちのコードはwww.github.com/SysCV/LiDAR_snow_simで入手できます。

要約(オリジナル)

3D object detection is a central task for applications such as autonomous driving, in which the system needs to localize and classify surrounding traffic agents, even in the presence of adverse weather. In this paper, we address the problem of LiDAR-based 3D object detection under snowfall. Due to the difficulty of collecting and annotating training data in this setting, we propose a physically based method to simulate the effect of snowfall on real clear-weather LiDAR point clouds. Our method samples snow particles in 2D space for each LiDAR line and uses the induced geometry to modify the measurement for each LiDAR beam accordingly. Moreover, as snowfall often causes wetness on the ground, we also simulate ground wetness on LiDAR point clouds. We use our simulation to generate partially synthetic snowy LiDAR data and leverage these data for training 3D object detection models that are robust to snowfall. We conduct an extensive evaluation using several state-of-the-art 3D object detection methods and show that our simulation consistently yields significant performance gains on the real snowy STF dataset compared to clear-weather baselines and competing simulation approaches, while not sacrificing performance in clear weather. Our code is available at www.github.com/SysCV/LiDAR_snow_sim.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google