重新思考恶劣天气鲁棒激光雷达分割的数据增强方法

文章预览

来源： 自动驾驶Daily 原标题：Rethinking Data Augmentation for Robust LiDAR Semantic Segmentation in Adverse Weather 论文链接：https://arxiv.org/pdf/2407.02286 代码链接：https://github.com/engineerJPark/LiDAR-DataAug4Weather 作者单位：KAIST 延世大学 论文思路： 现有的激光雷达语义分割方法在恶劣天气条件下往往会出现性能下降的问题。以往的研究通过模拟恶劣天气或在训练过程中采用通用的数据增强方法来解决这一问题。然而，这些方法缺乏对恶劣天气如何负面影响激光雷达语义分割性能的详细分析和理解。针对这一问题，本文识别了恶劣天气的关键因素，并进行了一个简单实验，以确定性能下降的主要原因：(1) 由于雾气或空气中的水滴造成的折射引起的几何扰动，(2) 由于能量吸收和遮挡导致的点云丢失。基于这些发现，本文提出了新的战略性(strategic)数据增强技术。首先，本文 ………………………………