ReaLiTy と LADS：センサー間および悪天候条件下における LiDAR 適応のための統一フレームワークとデータセットスイート

Abstract

信頼性の高いLiDAR知覚には、センサー、環境、悪天候にわたる頑健性が必要です。しかし、既存のデータセットは、センサー構成や天候条件が異なる状況下で同一シーンを物理的に整合した観測として提供することがほとんどありません。そのため、ドメインシフトを体系的に解析することが制限されています。本研究では、LiDARデータを対象となるセンサー仕様と天候条件に適合させる統一的な物理情報に基づく枠組みであるReaLiTyを提案します。この枠組みは、現実的な強度パターンを生成するために、物理に根ざした手がかりと学習ベースのモジュールを統合しつつ、物理ベースの天候モデルによって一貫した幾何学的および放射測定的な劣化を導入します。この枠組みに基づき、元のデータセットに対して1対1で対応する、物理的に整合し、変換にそのまま利用可能な点群の集まりであるLiDAR Adaptation Dataset Suite（LADS）を導入します。実験の結果、ドメイン間の一貫性が向上し、現実的な天候効果が得られることを示します。ReaLiTyとLADSは、知能交通システムにおけるLiDAR適応およびシミュレーション駆動型知覚を研究するための再現可能な基盤を提供します。