评估LiDAR感知算法用于全天候自主性
Himanshu Gupta1, Achim J Lilienthal1,2, Henrik Andreasson1
1Centre for Applied Autonomous Sensor Systems, Örebro University, 70182 Örebro, Sweden.
Sensors (Basel, Switzerland)
|December 31, 2025
概括
恶劣的天气会降低自动驾驶汽车的激光雷达性能. 虽然点云过有帮助,但微调对于有效的降噪和在所有条件下可靠的感知至关重要.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 传感器融合式传感器
背景情况:
- 激光雷达对于自动驾驶任务,如导航和避开障碍物至关重要.
- 恶劣天气 (雪,雨,雾) 将噪音引入LiDAR数据,影响感知系统的可靠性和安全性.
研究的目的:
- 在恶劣天气中调查LiDAR感知算法的局限性.
- 探索用于LiDAR数据的降噪技术.
- 建议未来研究全天候自动驾驶.
主要方法:
- 使用现实世界和合成数据集在雪,雨和雾中描述了LiDAR噪声.
- 评估了点云过方法来消除噪音 (处理时间,准确性,限制).
- 评估了天气和过对3D对象检测,定位和SLAM的影响.
主要成果:
- 点云过部分降低噪音,但需要特定的调.
- 恶劣天气对3D物体检测产生负面影响;动态过提高了性能.
- 定位在降雪时强大,但在密的雾中失败;SLAM在降雪时表现良好,但在雾中失败.
结论:
- 恶劣天气对LiDAR的感知有挑战,需要适应性过策略.
- 微调过方法对于特定的LiDAR传感器,场景和天气类型至关重要.
- 需要进一步的研究才能实现强大的全天候LiDAR自主性.
