論文の概要: Realistic Rainy Weather Simulation for LiDARs in CARLA Simulator

• arxiv url: http://arxiv.org/abs/2312.12772v1
• Date: Wed, 20 Dec 2023 05:16:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-21 16:36:01.929843
• Title: Realistic Rainy Weather Simulation for LiDARs in CARLA Simulator
• Title（参考訳）: CARLAシミュレータにおけるLiDARのリアル雨天シミュレーション
• Authors: Donglin Yang, Zhenfeng Liu, Wentao Jiang, Guohang Yan, Xing Gao, Botian Shi, Si Liu and Xinyu Cai
• Abstract要約: 本稿では,降雨時のLiDARデータを拡張するためのシミュレータに基づく物理モデリング手法を提案する。 CARLAシミュレータにおける雨天候のモデリングタスクを完了し、LiDARデータ収集のためのパイプラインを確立する。 実験では、合成データにより強化されたモデルにより、物体検出タスクの性能が向上することが観察された。
• 参考スコア（独自算出の注目度）: 17.605152926277707
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Employing data augmentation methods to enhance perception performance in adverse weather has attracted considerable attention recently. Most of the LiDAR augmentation methods post-process the existing dataset by physics-based models or machine-learning methods. However, due to the limited environmental annotations and the fixed vehicle trajectories in the existing dataset, it is challenging to edit the scene and expand the diversity of traffic flow and scenario. To this end, we propose a simulator-based physical modeling approach to augment LiDAR data in rainy weather in order to improve the perception performance of LiDAR in this scenario. We complete the modeling task of the rainy weather in the CARLA simulator and establish a pipeline for LiDAR data collection. In particular, we pay special attention to the spray and splash rolled up by the wheels of surrounding vehicles in rain and complete the simulation of this special scenario through the Spray Emitter method we developed. In addition, we examine the influence of different weather conditions on the intensity of the LiDAR echo, develop a prediction network for the intensity of the LiDAR echo, and complete the simulation of 4-feat LiDAR point cloud data. In the experiment, we observe that the model augmented by the synthetic data improves the object detection task's performance in the rainy sequence of the Waymo Open Dataset. Both the code and the dataset will be made publicly available at https://github.com/PJLab-ADG/PCSim#rainypcsim.
• Abstract（参考訳）: 近年,悪天候時の知覚性能向上のためのデータ拡張手法が注目されている。 lidar拡張手法のほとんどは、物理ベースのモデルや機械学習による既存のデータセットの処理後に行われる。 しかし, 環境アノテーションの制限や, 既存のデータセットの車両軌道の固定化などにより, シーンを編集し, 交通の流れやシナリオの多様性を拡大することは困難である。 そこで本研究では,このシナリオにおけるLiDARの知覚性能を向上させるため,降雨時のLiDARデータの拡張を目的としたシミュレータに基づく物理モデリング手法を提案する。 CARLAシミュレータにおける雨天候のモデリングタスクを完了し、LiDARデータ収集のためのパイプラインを確立する。 特に,降雨時の周囲車両の車輪に巻き上げられたスプレーとスプラッシュに特別な注意を払って,この特別シナリオのシミュレーションを,我々が開発したスプレーエミッタ法によるシミュレーションで完了させた。 さらに、異なる気象条件がLiDARエコーの強度に与える影響について検討し、LiDARエコーの強度を予測するネットワークを開発し、4重LiDAR点雲データのシミュレーションを完成させた。 実験では, Waymo Open Datasetの降雨シーケンスにおいて, 合成データにより強化されたモデルにより, 物体検出タスクの性能が向上することが確認された。 コードとデータセットはhttps://github.com/PJLab-ADG/PCSim#rainypcsimで公開される。

関連論文リスト

• LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [50.808933338389686]
  LiDARシミュレーションは、自動運転におけるクローズドループシミュレーションにおいて重要な役割を果たす。 都市景観におけるLiDARセンサスキャンをリアルタイムに再現するために,最初のLiDARガウス法であるLiDAR-GSを提案する。 我々の手法は、深度、強度、レイドロップチャンネルを同時に再現することに成功し、公開可能な大規模シーンデータセットにおけるフレームレートと品質の両方のレンダリング結果を達成する。
  論文  参考訳（メタデータ） (2024-10-07T15:07:56Z)
• Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
  軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。 我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。 我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
  論文  参考訳（メタデータ） (2023-09-18T19:49:22Z)
• WOMD-LiDAR: Raw Sensor Dataset Benchmark for Motion Forecasting [38.95768804529958]
  動作予測タスクのための大規模で高品質な多種多様なLiDARデータを用いて,Open Motionデータセットを拡張した。 新しいデータセットWOMD-LiDARは10万枚以上のシーンで構成され、それぞれ20秒にまたがる。 実験の結果,LiDARデータは動き予測タスクの改善をもたらすことがわかった。
  論文  参考訳（メタデータ） (2023-04-07T20:23:15Z)
• PCGen: Point Cloud Generator for LiDAR Simulation [10.692184635629792]
  既存の方法は、実点雲よりもノイズが多く、完全なデータを生成する。 我々はFPAレイキャストと代理モデルレイドロップを提案する。 最小限のトレーニングデータによって、代理モデルは異なる地理やシーンに一般化することができる。 その結果、シミュレーションデータにより訓練されたオブジェクト検出モデルは、実際のデータトレーニングモデルと同じような結果が得られることがわかった。
  論文  参考訳（メタデータ） (2022-10-17T04:13:21Z)
• Learning to Simulate Realistic LiDARs [66.7519667383175]
  リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。 本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。 我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
  論文  参考訳（メタデータ） (2022-09-22T13:12:54Z)
• LiDAR Snowfall Simulation for Robust 3D Object Detection [116.10039516404743]
  そこで本研究では,降雪の影響をシミュレーションする物理的手法を提案する。 本手法では,LiDARの各線に対して2次元空間の雪粒子をサンプリングし,誘導幾何を用いて各LiDAR線の測定を修正した。 我々はシミュレーションを用いて、部分的に合成された雪のLiDARデータを生成し、これらのデータを利用して、降雪に頑健な3次元物体検出モデルを訓練する。
  論文  参考訳（メタデータ） (2022-03-28T21:48:26Z)
• Fog Simulation on Real LiDAR Point Clouds for 3D Object Detection in Adverse Weather [92.84066576636914]
  本研究は,霧の天候下でのLiDARによる3次元物体検出の課題に対処する。 我々は、物理的に正確な霧をクリア・ウェザー・シーンにシミュレートすることでこの問題に対処する。 Seeing Through Fogデータセットに強力な3Dオブジェクト検出ベースラインを提供するのはこれが初めてです。
  論文  参考訳（メタデータ） (2021-08-11T14:37:54Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。