一种用于城市环境中车道实例分割的数据集
计算机视觉与模式识别
2018-08-03 v2
摘要
自动驾驶车辆需要了解周围道路布局，这可由最先进的 CNN 预测。本工作针对当前缺乏用于确定车道实例的数据的问题，而车道实例对于多种驾驶操作是必需的。主要问题是通常逐图像应用的耗时人工标注过程。我们注意到驾驶车辆本身即一种标注形式。因此，我们提出一种半自动方法，通过利用基于车辆行驶轨迹估计的 3D 路面，并将该平面上的标签投影至序列所有图像中，从而高效标注图像序列。每图像平均标注时间减少至 5 秒，且数据捕获仅需廉价的行车记录仪。我们发布了一个包含 24,000 张图像的数据集，并额外展示了语义分割与实例分割的实验结果。
引用
@article{arxiv.1807.01347,
title = {A Dataset for Lane Instance Segmentation in Urban Environments},
author = {Brook Roberts and Sebastian Kaltwang and Sina Samangooei and Mark Pender-Bare and Konstantinos Tertikas and John Redford},
journal= {arXiv preprint arXiv:1807.01347},
year = {2018}
}
备注
ECCV camera ready