在自动驾驶中探索LiDAR语义细分的对抗性稳定性
K T Yasas Mahima1, Asanka Perera2, Sreenatha Anavatti1
1School of Engineering and Technology, University of New South Wales, Canberra, ACT 2612, Australia.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
本研究探讨了对自动驾驶汽车3D LiDAR语义细分的对抗性攻击. 调查结果显示,地面水平的点是脆弱的,影响知觉系统的稳定性.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 深度学习在2D/3D视觉方面表现出色,但容易受到对抗性攻击.
- 越来越多地研究了对自动驾驶汽车感知的对抗性攻击,但3D LiDAR语义细分仍未得到充分探索.
研究的目的:
- 调查自动驾驶汽车中3D LiDAR语义细分的对抗性稳定性.
- 开发和分析基于点的LiDAR对抗性攻击方法.
主要方法:
- 开发和分析了三种基于LiDAR点的对抗性攻击方法.
- 通过使用SemanticKITTI数据集对各种网络进行攻击评估.
- 研究了类智能点分布对对抗性强度的影响.
主要成果:
- 圆柱3D网络对分析的对抗性攻击表现出最高的易感性.
- 发现地面点特别容易受到点扰动攻击.
- 使用点数据表示的网络对攻击可转移性表现出了显著的抵抗力.
结论:
- 敌对攻击对自动驾驶汽车中的3D LiDAR语义细分构成重大威胁.
- 了解类智能漏洞,特别是对于基层点,对于开发强大的系统至关重要.
- 结果为创建先进的对抗性攻击和有效的对抗措施为基于LiDAR的感知提供了基础.
