基于无校准相机的非结构化场景行人-车辆互动基准与标注框架
计算机视觉与模式识别
2026-05-26 v1
摘要
预测行人与车辆之间的互动是实现自动驾驶在非结构化和半结构化场景下安全行驶的关键任务，但目前缺乏包含稠密行人-车辆互动的公开数据集，导致该任务受限。大多数现有研究依赖结构化道路数据，未能充分代表非结构化环境中复杂且异构的互动。本文提出一种基于无校准监控摄像头视频数据的标注框架，构建PINNS（Pedestrian-vehicle Interaction dataset from uNcalibrated cameras in uNstructured Scenes，来自无校准相机非结构化场景中的行人-车辆互动数据集）。数据集覆盖多个国家和地区，包含多样化的典型交通场景，考虑季节、光照条件和天气的变化。数据集聚焦于复杂场景中的稠密行人-车辆互动，设计可扩展。按照中国自动化协会发布的标准进行构建和标注，提供轨迹数据及对应场景级信息。此外，本文分析了当前在异构智能体轨迹预测中的挑战与研究方向，展示了所提数据集的必要性与有用性。我们希望本文的框架和数据集能促进复杂混合交通场景下轨迹预测和自动驾驶技术的发展。PINNS数据集已公开发布于https://github.com/Songan-Lab。
引用
@article{arxiv.2605.25947,
title = {A Pedestrian-Vehicle Interaction Benchmark and Annotation Framework for Unstructured Scenes via Uncalibrated Cameras},
author = {Haoyang Peng and Qian Hu and Songan Zhang and Ming Yang},
journal= {arXiv preprint arXiv:2605.25947},
year = {2026}
}
备注
10 pages, 8 figures; project page available at https://github.com/Songan-Lab