A*3D数据集：面向挑战性环境下的自动驾驶
计算机视觉与模式识别
2019-09-18 v1 机器人学
摘要
随着自动驾驶汽车在全球的日益普及，对于用于基准测试和训练诸如 3D 目标检测等各种计算机视觉任务的挑战性真实世界数据集存在着迫切需求。现有数据集要么代表简单场景，要么仅提供白天数据。在本文中，我们引入了一个新的具有挑战性的 A*3D 数据集，其由 RGB 图像和 LiDAR 数据组成，在场景、时间和天气上具有显著的多样性。该数据集包含高密度图像（约为开创性的 KITTI 数据集的 10 倍）、严重遮挡、大量夜间帧（约为 nuScenes 数据集的 3 倍），弥补了现有数据集的不足，将自动驾驶研究中的任务边界推向更具挑战性的高度多样化环境。该数据集包含 帧、 个类别和 个 3D 目标标注。在 A*3D 数据集上针对高密度、白天/夜间等多种属性进行的广泛 3D 目标检测基准评估，为在真实世界设定中训练和测试 3D 目标检测的优势与局限提供了有趣的见解。
引用
@article{arxiv.1909.07541,
title = {A*3D Dataset: Towards Autonomous Driving in Challenging Environments},
author = {Quang-Hieu Pham and Pierre Sevestre and Ramanpreet Singh Pahwa and Huijing Zhan and Chun Ho Pang and Yuda Chen and Armin Mustafa and Vijay Chandrasekhar and Jie Lin},
journal= {arXiv preprint arXiv:1909.07541},
year = {2019}
}
备注
A new 3D dataset by I2R, A*STAR for autonomous driving