Data-driven Camera and Lidar Simulation Models for Autonomous Driving: A Review from Generative Models to Volume Renderers

要約

知覚センサー、特にカメラとLIDARは、自律運転システム（ADS）の重要な要素であり、情報に基づいた運転と制御の決定に周囲を理解できるようにします。
したがって、これらのセンサーのリアルなシミュレーションモデルの開発は、ADの効果的なシミュレーションベースのテストを実施するために不可欠です。
さらに、ディープラーニングベースの認識モデルの上昇により、多様なトレーニングデータセットを合成するためのセンサーシミュレーションモデルの有用性が向上しました。
従来のセンサーシミュレーションモデルは、特にADSなどの複雑なシステムで、計算高価な物理ベースのアルゴリズムに依存しています。
したがって、現在の潜在能力は、高次元のデータ分布とボリュームレンダラーをキャプチャする際の深い生成モデルの例外的なパフォーマンスに促進され、シーンを正確に表現する際の深い生成モデルの例外的なパフォーマンスに支えられています。
このペーパーでは、現在の最先端のデータ駆動型カメラとLIDARシミュレーションモデルとその評価方法をレビューします。
生成モデルとボリュームレンダラーの新しい観点から、さまざまなモデルを探ります。
生成モデルは、入出力タイプの観点から議論され、ボリュームレンダラーは入力エンコーディングに基づいて分類されます。
最後に、この論文は、センサーシミュレーションモデルを評価するために一般的に使用される評価手法を示し、この地域の既存の研究ギャップを強調しています。

要約(オリジナル)

Perception sensors, particularly camera and Lidar, are key elements of Autonomous Driving Systems (ADS) that enable them to comprehend their surroundings to informed driving and control decisions. Therefore, developing realistic simulation models for these sensors is essential for conducting effective simulation-based testing of ADS. Moreover, the rise of deep learning-based perception models has increased the utility of sensor simulation models for synthesising diverse training datasets. The traditional sensor simulation models rely on computationally expensive physics-based algorithms, specifically in complex systems such as ADS. Hence, the current potential resides in data-driven approaches, fuelled by the exceptional performance of deep generative models in capturing high-dimensional data distribution and volume renderers in accurately representing scenes. This paper reviews the current state-of-the-art data-driven camera and Lidar simulation models and their evaluation methods. It explores a spectrum of models from the novel perspective of generative models and volume renderers. Generative models are discussed in terms of their input-output types, while volume renderers are categorised based on their input encoding. Finally, the paper illustrates commonly used evaluation techniques for assessing sensor simulation models and highlights the existing research gaps in the area.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google