自动驾驶数据集综述：统计、标注质量与未来展望
计算机视觉与模式识别
2024-04-24 v2
摘要
得益于硬件和深度学习技术的最新进展，自动驾驶迅速发展并展现出良好的性能。高质量数据集对于开发可靠的自动驾驶算法至关重要。以往的数据集综述要么聚焦于有限数量的数据集，要么缺乏对数据集特征的详细调查。为此，我们从传感器模态、数据规模、任务及上下文条件等多个角度，对 265 个自动驾驶数据集进行了详尽研究。我们提出了一种新的指标来评估数据集的影响，该指标也可作为创建新数据集的指南。此外，我们分析了标注流程、现有的标注工具以及数据集的标注质量，强调了建立标准标注流水线的重要性。另一方面，我们深入分析了地理环境和对抗性环境条件对自动驾驶系统性能的影响。此外，我们展示了几个关键数据集的数据分布，并相应讨论了其优缺点。最后，我们探讨了当前挑战及未来自动驾驶数据集的发展趋势。
引用
@article{arxiv.2401.01454,
title = {A Survey on Autonomous Driving Datasets: Statistics, Annotation Quality, and a Future Outlook},
author = {Mingyu Liu and Ekim Yurtsever and Jonathan Fossaert and Xingcheng Zhou and Walter Zimmer and Yuning Cui and Bare Luka Zagar and Alois C. Knoll},
journal= {arXiv preprint arXiv:2401.01454},
year = {2024}
}