摘要
在自主车辆的感知任务中，必须确保其在恶劣天气条件下的表现令人满意。然而，由于缺乏真实的天气数据集，天气模拟成为一种有前景的替代方案。为了使模拟结果与真实天气数据相符，确保不同传感器在天气特征（如强度和颗粒位置）上的一致性至关重要。
为此，我们提出了参考数据集对齐方法（ReDAM），用于雾天的天气强度对齐，和统一天气编辑（Unified-weather-edit），灵感来源于Weather-edit，用于雨雪天气中颗粒位置的对齐。我们通过统计和几何测试验证了这两种对齐方法的有效性。
研究结果表明，未对齐的3D检测模型往往表现出过于乐观的结果，而与对齐版本相比，效果显著下降。此外，我们还展示了经过对齐的多传感器模拟在增强3D物体检测任务的鲁棒性方面的有效性，尤其是通过对现有传感器融合模型的微调。
博主点评： 本文提出的对齐方法为恶劣天气条件下的自动驾驶感知提供了新的解决方案，极大地增强了模拟数据的真实性，值得在实际应用中进一步验证和推广。其方法的创新性和实用性将为未来的天气模拟研究奠定基础。