A New Adversarial Perspective for LiDAR-based 3D Object Detection

要約

自動運転車 (AV) は、運転シナリオにおける環境認識と意思決定のために LiDAR センサーに依存しています。
しかし、複雑な環境における AV の安全性と信頼性を確保することは、依然として差し迫った課題です。
この問題に対処するために、水霧と煙という 2 つのランダムなオブジェクトの LiDAR スキャン点群で構成される実世界データセット (ROLiD) を導入します。
この論文では、環境干渉をシミュレートするために水の霧と煙を利用する攻撃フレームワークを提案することにより、新しい敵対的な観点を紹介します。
具体的には、ランダムオブジェクトの分布をシミュレートするために、PCS-GANと呼ばれる動きとコンテンツの分解生成敵対的ネットワークを使用した点群シーケンス生成方法を提案します。
さらに、距離画像で実装されたシミュレートされた LiDAR スキャン特性を利用して、対象車両のさまざまな位置にランダムな物体の摂動が導入された場合の影響を調べます。
広範な実験により、ランダムな物体に基づく敵対的な摂動が車両の検出を効果的に欺き、3D 物体検出モデルの認識率を低下させることが実証されています。

要約(オリジナル)

Autonomous vehicles (AVs) rely on LiDAR sensors for environmental perception and decision-making in driving scenarios. However, ensuring the safety and reliability of AVs in complex environments remains a pressing challenge. To address this issue, we introduce a real-world dataset (ROLiD) comprising LiDAR-scanned point clouds of two random objects: water mist and smoke. In this paper, we introduce a novel adversarial perspective by proposing an attack framework that utilizes water mist and smoke to simulate environmental interference. Specifically, we propose a point cloud sequence generation method using a motion and content decomposition generative adversarial network named PCS-GAN to simulate the distribution of random objects. Furthermore, leveraging the simulated LiDAR scanning characteristics implemented with Range Image, we examine the effects of introducing random object perturbations at various positions on the target vehicle. Extensive experiments demonstrate that adversarial perturbations based on random objects effectively deceive vehicle detection and reduce the recognition rate of 3D object detection models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google