REHEARSE-3D: Un conjunto de datos de lluvia emulada multimodal para la eliminación de lluvia en nubes de puntos 3D

Área de la Ciencia:

• Sistemas de Conducción Autónoma; Tecnología de Sensores; Visión por Computadora

Sus antecedentes:

• La degradación del sensor, particularmente por las gotas de lluvia, impacta significativamente la calidad de las nubes de puntos LiDAR en la conducción autónoma.; Las mediciones inexactas debido a la interferencia climática plantean riesgos de seguridad si los sistemas carecen de conciencia del clima.

Objetivo del estudio:

• Presentar REHEARSE-3D, un conjunto de datos emulado de lluvia multimodal a gran escala y novedoso para la investigación de eliminación de lluvia en nubes de puntos 3D.; Proporcionar un recurso valioso para avanzar en las tecnologías de conducción autónoma conscientes del clima.

Principales métodos:

• Desarrollo de REHEARSE-3D, con 9.2 mil millones de anotaciones punto a punto, LiDAR de alta resolución (LiDAR-256) y nubes de puntos RADAR 4D.; Recopilación de datos en condiciones climáticas controladas, de día/noche, incluida información característica de la lluvia.; Evaluación comparativa de la detección y eliminación de gotas de lluvia utilizando datos fusionados de LiDAR y RADAR 4D.

Principales resultados:

• Se evaluaron varios modelos estadísticos y de aprendizaje profundo para la detección y eliminación de gotas de lluvia.; Los modelos SalsaNext y 3D-OutDet lograron una Intersección sobre Unión (IoU) superior al 94% para la detección de gotas de lluvia.

Conclusiones:

• REHEARSE-3D es el conjunto de datos anotado punto a punto más grande para la eliminación de lluvia en nubes de puntos 3D.; El conjunto de datos facilita el modelado de ruido del sensor y el análisis del impacto del clima a nivel de punto.; Los hallazgos demuestran una detección efectiva de gotas de lluvia en datos de sensores fusionados, mejorando la seguridad de la conducción autónoma.