一辆自主配送地面机器人在人行横道上撞倒了一名行人。初步调查指向感知系统中的3D分割故障。为了查明事故原因，已提取撞击前几毫秒捕获的原始LiDAR点云，并在Unreal Engine 5中重建了现场。目标是确定受害者反光衣物是否导致算法将行人错误分类为环境中的静态物体，例如标志牌或柱子。
技术工作流程：Open3D、Foxglove Studio 和 Unreal Engine 5 🛠️
法医流程始于使用Python和Open3D提取原始点云，过滤环境噪声并隔离撞击前的关键帧。该点云以PLY格式导出用于分析。使用Foxglove Studio，可视化与车辆遥测数据同步的LiDAR传感器数据，从而识别行人轨迹和规划系统的响应。随后，场景被导入Unreal Engine 5，在其中重建城市几何体并定位点云。接着对点云应用反射率滤镜，模拟行人纺织材料的行为。结果显示，对应反光夹克的点呈现出异常强度，类似于道路标志，导致3D分割模型将其归类为静态物体类，忽略了其运动。
自主感知安全经验教训 ⚠️
此案例表明，材料反射率不仅影响传感器范围，还可能导致语义分类中的致命错误。在Unreal Engine 5中的重建使得车辆算法盲点可视化。对于未来系统，建议实施点云与热成像或事件相机数据的交叉验证，并使用包含高可见度衣物行人的数据集训练模型。结合Open3D进行法医分析和Foxglove Studio进行实时调试，正成为移动机器人事故调查的标准方法。
是否可以通过法医3D模拟确定LiDAR故障重建是否与行人在人行横道上的实际轨迹一致，还是需要对撞击前的点云进行额外分析？
(附注：在场景分析中，每个尺度见证者都是无名小英雄。)