Adversarial Objects Against LiDAR-Based Autonomous Driving Systems
文章目录
背景
自动驾驶系统不仅仅是基于图像的分类器,大多自动驾驶系统是通过LiDAR和RADAR设备来直接获取周围的3D环境的。这就带来了一些问题:
1、LiDAR-based系统将3D形状映射成点云,然后将生成的点云输入到CNN模型。因此,我们不清楚形状扰动是如何影响生成点云的。
2、预处理中LiADR点云是不可微的,所以无法直接使用之前的基于梯度的优化方法。
3、扰动的空间是由限制的。首先,我们需要确保扰动的物体可以在真实世界中构建出来。然后,一个物体的有效的雷达扫描是一个受约束的点云子集,这使得扰动空间比没有限制的点云更小。
LiADAR-Adv
内容
1、作者模拟了一个可微的LiDAR渲染器将扰动从3D物体映射到点云。
2、通过可微的代理方法进行特征聚合。
3、通过不同的损失函数确保生成的对抗3D物体的平滑性。
LiADV-based detection流程
首先,一个LiDAR传感器捕获3D环境并生成原始点云,然后点云经过预处理之后被送入到决策模型M,最后,决策模型的输出被送入后处