論文の概要: Comprehensive Assessment of LiDAR Evaluation Metrics: A Comparative Study Using Simulated and Real Data

• arxiv url: http://arxiv.org/abs/2511.02994v1
• Date: Tue, 04 Nov 2025 20:55:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.242407
• Title: Comprehensive Assessment of LiDAR Evaluation Metrics: A Comparative Study Using Simulated and Real Data
• Title（参考訳）: LiDAR評価指標の総合的評価:シミュレーションと実データを用いた比較検討
• Authors: Syed Mostaquim Ali, Taufiq Rahman, Ghazal Farhani, Mohamed H. Zaki, Benoit Anctil, Dominique Charlebois,
• Abstract要約: 本研究は,実世界とシミュレーションしたLiDARスキャンを比較するのに適した評価指標を求めるための総合的な実験手法について検討する。 測定値は、ノイズ、密度、歪み、センサーの向き、チャンネルの設定が異なる感度と精度でテストされた。
• 参考スコア（独自算出の注目度）: 0.6927055673104934
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: For developing safe Autonomous Driving Systems (ADS), rigorous testing is required before they are deemed safe for road deployments. Since comprehensive conventional physical testing is impractical due to cost and safety concerns, Virtual Testing Environments (VTE) can be adopted as an alternative. Comparing VTE-generated sensor outputs against their real-world analogues can be a strong indication that the VTE accurately represents reality. Correspondingly, this work explores a comprehensive experimental approach to finding evaluation metrics suitable for comparing real-world and simulated LiDAR scans. The metrics were tested in terms of sensitivity and accuracy with different noise, density, distortion, sensor orientation, and channel settings. From comparing the metrics, we found that Density Aware Chamfer Distance (DCD) works best across all cases. In the second step of the research, a Virtual Testing Environment was generated using real LiDAR scan data. The data was collected in a controlled environment with only static objects using an instrumented vehicle equipped with LiDAR, IMU and cameras. Simulated LiDAR scans were generated from the VTEs using the same pose as real LiDAR scans. The simulated and LiDAR scans were compared in terms of model perception and geometric similarity. Actual and simulated LiDAR scans have a similar semantic segmentation output with a mIoU of 21\% with corrected intensity and an average density aware chamfer distance (DCD) of 0.63. This indicates a slight difference in the geometric properties of simulated and real LiDAR scans and a significant difference between model outputs. During the comparison, density-aware chamfer distance was found to be the most correlated among the metrics with perception methods.
• Abstract（参考訳）: 安全な自律運転システム(ADS)を開発するためには、厳格なテストが必要である。 コストや安全性の懸念から、総合的な身体検査は現実的ではないため、仮想テスト環境(VTE)を代替として採用することができる。 VTEが生成したセンサー出力を実世界のアナログと比較することは、VTEが正確に現実を表現していることを示す強い兆候である。 本研究は実世界とシミュレーションされたLiDARスキャンを比較するのに適した評価指標を見つけるための総合的な実験的アプローチを探求する。 測定値は、ノイズ、密度、歪み、センサーの向き、チャンネルの設定が異なる感度と精度でテストされた。 メトリクスを比較することで、DCD(dentity Aware Chamfer Distance)がすべてのケースで最も有効であることが分かりました。 研究の第2段階では、実際のLiDARスキャンデータを用いて仮想テスト環境が生成される。 データは制御された環境で収集され、LiDAR、IMU、カメラを装備した機器で静的な物体のみを収集した。 シミュレーションされたLiDARスキャンは、実際のLiDARスキャンと同じポーズを用いてVTEから生成された。 模擬およびLiDARスキャンをモデル知覚と幾何学的類似性の観点から比較した。 実際のLiDARスキャンとシミュレーションされたLiDARスキャンは同様のセマンティックセグメンテーション出力を持ち、mIoUは21\%の補正強度、平均密度認識チャンファー距離(DCD)は0.63である。 これは、シミュレーションされた実LiDARスキャンの幾何学的性質とモデル出力の有意な差を示す。 その結果, 密度認識型チャンファー距離が最も相関していることがわかった。

関連論文リスト

• High-Fidelity Digital Twins for Bridging the Sim2Real Gap in LiDAR-Based ITS Perception [3.1508266388327324]
  本稿では,実世界の背景形状,レーンレベルの道路トポロジ,センサ固有の仕様と配置を組み込んだ高忠実なディジタルツイン(HiFi DT)フレームワークを提案する。 実験の結果、DT訓練モデルでは、実際のデータでトレーニングされた同等のモデルを4.8%上回る結果が得られた。
  論文  参考訳（メタデータ） (2025-09-03T00:12:58Z)
• JiSAM: Alleviate Labeling Burden and Corner Case Problems in Autonomous Driving via Minimal Real-World Data [49.2298619289506]
  本稿では,ジッタリング強化,ドメイン認識バックボーン,メモリに基づくセクタライズAlignMentのためのJiSAMというプラグイン・アンド・プレイ手法を提案する。 有名なADデータセットであるNuScenesで実施された広範な実験において、SOTA 3Dオブジェクト検出器を用いて、JiSAMはシミュレーションデータと2.5%の実データにラベルを付けるだけで、実データで訓練されたモデルに匹敵する性能が得られることを示した。
  論文  参考訳（メタデータ） (2025-03-11T13:35:39Z)
• TWICE Dataset: Digital Twin of Test Scenarios in a Controlled Environment [0.0]
  我々は,実検体で得られたセンサデータからなるデータセットを開発し,同じテストシナリオのために実験室で再現した。 提供されるデータセットには、カメラ、レーダー、LiDAR、慣性測定ユニット(IMU)、および悪天候下で記録されたGPSデータが含まれる。 データセットには2時間以上の記録があり、合計280GB以上のデータが含まれている。
  論文  参考訳（メタデータ） (2023-10-05T21:01:04Z)
• Multi-Modal Multi-Task (3MT) Road Segmentation [0.8287206589886879]
  我々は、多くのSOTA作業で通常行われているように、代わりに生のセンサー入力を使用することに重点を置いており、高い事前処理コストを必要とするアーキテクチャを活用している。 本研究では,複数センサからのデータをマルチタスク学習アーキテクチャに組み込むことにより,道路セグメンテーションの費用対効果,高精度なソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-23T08:15:15Z)
• 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)
• Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
  自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。 これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。 我々は、最先端の核融合法を初めてベンチマークした。
  論文  参考訳（メタデータ） (2022-05-30T09:35:37Z)
• Deep Evaluation Metric: Learning to Evaluate Simulated Radar Point Clouds for Virtual Testing of Autonomous Driving [0.0]
  仮想テストのための環境センサモデルの使用は、自動運転のテスト労力を減らすための有望なアプローチです。 本研究では,ニューラルネットワークを訓練し,実際のレーダセンサデータとシミュレートしたレーダセンサデータを区別する。 本稿では,合成レーダデータの忠実度を決定する指標として,実レーダ点雲のクラスに対する分類器の信頼性スコアを提案する。
  論文  参考訳（メタデータ） (2021-04-14T11:04:50Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• LIBRE: The Multiple 3D LiDAR Dataset [54.25307983677663]
  We present LIBRE: LiDAR Benchmarking and Reference, a first-of-in-kind dataset with 10 different LiDAR sensor。 LIBREは、現在利用可能なLiDARを公平に比較するための手段を提供するために、研究コミュニティに貢献する。 また、既存の自動運転車やロボティクス関連のソフトウェアの改善も促進する。
  論文  参考訳（メタデータ） (2020-03-13T06:17:39Z)

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。