《End-to-end sensor modeling for LiDAR Point Cloud》是一篇发表在 arXiv 的论文，如题目所言是对激光雷达传感器的仿真建模，以生成 3D 点云数据。先进的传感器是实现自动驾驶汽车技术的关键。激光扫描仪传感器成为一种基本选择，因为它具有远距和低光驾驶条件的鲁棒性。自动驾驶汽车控制的软件设计是一个基于规则系统的复杂任务，因此最近的方法依赖于从数据学习这些规则的机器学习方法。这种方法的主要问题是推广机器学习模型所需的训练数据量很大，另一方面，与其他汽车传感器相比，激光雷达数据注释成本非常高。精确的激光雷达传感器模型可以应对这种问题。此外，现有的激光雷达开发、验证和评估平台和流程成本非常高，在物理属性表示方面虚拟测试和开发环境仍然不成熟。这项工作提出了一种新颖的基于深度学习的激光雷达传感器模型。该方法使用深度神经网络模拟传感器回波信号，用极坐标网格图（Polar Grid Maps，PGM）对从实际数据中学习的回波脉冲宽度进行建模。