Fugu-MT 論文翻訳(概要): A workflow for generating synthetic LiDAR datasets in simulation environments

論文の概要: A workflow for generating synthetic LiDAR datasets in simulation environments

arxiv url: http://arxiv.org/abs/2506.17378v1
Date: Fri, 20 Jun 2025 17:56:15 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-24 19:06:36.395033
Title: A workflow for generating synthetic LiDAR datasets in simulation environments
Title（参考訳）: シミュレーション環境における合成LiDARデータセット生成のためのワークフロー
Authors: Abhishek Phadke, Shakib Mahmud Dipto, Pratip Rana,
Abstract要約: 本稿では,自動運転車の認識,ロボット工学研究,センサセキュリティ解析を支援するために,合成LiDARデータセットを生成するシミュレーションワークフローを提案する。都会のシナリオで運用されている模擬車両プラットフォームに飛行時間LiDAR、画像センサ、二次元スキャナを統合する。本研究は, 対向点注入や偽造攻撃などのLiDARデータにおける潜在的なセキュリティ脆弱性を調査し, 合成データセットが防衛戦略の評価をいかに促進するかを実証する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a simulation workflow for generating synthetic LiDAR datasets to support autonomous vehicle perception, robotics research, and sensor security analysis. Leveraging the CoppeliaSim simulation environment and its Python API, we integrate time-of-flight LiDAR, image sensors, and two dimensional scanners onto a simulated vehicle platform operating within an urban scenario. The workflow automates data capture, storage, and annotation across multiple formats (PCD, PLY, CSV), producing synchronized multimodal datasets with ground truth pose information. We validate the pipeline by generating large-scale point clouds and corresponding RGB and depth imagery. The study examines potential security vulnerabilities in LiDAR data, such as adversarial point injection and spoofing attacks, and demonstrates how synthetic datasets can facilitate the evaluation of defense strategies. Finally, limitations related to environmental realism, sensor noise modeling, and computational scalability are discussed, and future research directions, such as incorporating weather effects, real-world terrain models, and advanced scanner configurations, are proposed. The workflow provides a versatile, reproducible framework for generating high-fidelity synthetic LiDAR datasets to advance perception research and strengthen sensor security in autonomous systems. Documentation and examples accompany this framework; samples of animated cloud returns and image sensor data can be found at this Link.
Abstract（参考訳）: 本稿では,自動運転車の認識,ロボット工学研究,センサセキュリティ解析を支援するために,合成LiDARデータセットを生成するシミュレーションワークフローを提案する。 CoppeliaSimシミュレーション環境とそのPython APIを活用することで、都市シナリオで動作するシミュレーション車両プラットフォームに飛行時間のLiDAR、画像センサ、二次元スキャナを統合する。このワークフローは、複数のフォーマット(PCD、PLY、CSV)にわたるデータキャプチャ、ストレージ、アノテーションを自動化する。大規模点雲と対応するRGBおよび深度画像を生成してパイプラインを検証する。本研究は, 対向点注入や偽造攻撃などのLiDARデータにおける潜在的なセキュリティ脆弱性を調査し, 合成データセットが防衛戦略の評価をいかに促進するかを実証する。最後に, 環境リアリズム, センサノイズモデリング, 計算スケーラビリティに関する制約について論じ, 気象効果, 現実の地形モデル, 先進的なスキャナ構成などの今後の研究方向性について述べる。このワークフローは、認識研究を前進させ、自律システムにおけるセンサーセキュリティを強化するために、高忠実な合成LiDARデータセットを生成する、多種多様な再現可能なフレームワークを提供する。アニメーションクラウドリターンとイメージセンサデータのサンプルはこのリンクにある。

関連論文リスト

How Real is CARLAs Dynamic Vision Sensor? A Study on the Sim-to-Real Gap in Traffic Object Detection [0.0]
イベントカメラは、交差点でのリアルタイム物体検出に適している。堅牢なイベントベース検出モデルの開発は、注釈付き現実世界データセットの可用性の制限によって妨げられている。本研究では,CARLAs DVSを用いたイベントベース物体検出におけるsim-to-realギャップの定量的解析を行った。
論文参考訳（メタデータ） (2025-06-16T17:27:43Z)
Evaluating the Impact of Synthetic Data on Object Detection Tasks in Autonomous Driving [0.0]
実・合成・混合データセットに基づいて訓練された2次元・3次元オブジェクト検出タスクを比較した。その結果,実データと合成データを組み合わせることで,物体検出モデルのロバスト性や一般化が向上することが示唆された。
論文参考訳（メタデータ） (2025-03-12T20:13:33Z)
Synth It Like KITTI: Synthetic Data Generation for Object Detection in Driving Scenarios [3.30184292168618]
本稿では,LiDAR点雲上での3次元物体検出のためのCARLAシミュレータに基づくデータセット生成パイプラインを提案する。我々は、合成データに基づいてオブジェクト検出器を訓練し、KITTIデータセットに強力な一般化能力を示すことができる。
論文参考訳（メタデータ） (2025-02-20T22:27:42Z)
From Gaming to Research: GTA V for Synthetic Data Generation for Robotics and Navigations [2.7383830691749163]
ビデオゲームGrand Theft Auto V(GTA V)の仮想環境を利用した合成データセットを提案する。我々は,GTA Vから得られた合成データが実世界のデータと質的に比較できることを示した。
論文参考訳（メタデータ） (2025-02-17T20:22:52Z)
SimGen: Simulator-conditioned Driving Scene Generation [50.03358485083602]
シミュレーション条件付きシーン生成フレームワークSimGenを紹介する。 SimGenは、シミュレータと現実世界のデータを混ぜることで、多様な運転シーンを生成することを学ぶ。テキストプロンプトとシミュレータからのレイアウトに基づいて制御性を保ちながら、優れた生成品質と多様性を実現する。
論文参考訳（メタデータ） (2024-06-13T17:58:32Z)
Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文参考訳（メタデータ） (2023-04-27T20:21:18Z)
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)
TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文参考訳（メタデータ） (2022-08-16T20:46:08Z)
CARLA-GeAR: a Dataset Generator for a Systematic Evaluation of Adversarial Robustness of Vision Models [61.68061613161187]
本稿では,合成データセットの自動生成ツールであるCARLA-GeARについて述べる。このツールは、Python APIを使用して、CARLAシミュレータ上に構築されており、自律運転のコンテキストにおいて、いくつかのビジョンタスク用のデータセットを生成することができる。本稿では,CARLA-GeARで生成されたデータセットが,現実世界の敵防衛のベンチマークとして今後どのように利用されるかを示す。
論文参考訳（メタデータ） (2022-06-09T09:17:38Z)

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。