APE：一个用于学习城市步行路径网络的开放共享标注数据集
计算机视觉与模式识别
2023-03-07 v1
摘要
推断完整的交通网络，包括人行道和自行车道，对于许多自动化系统至关重要，包括自动驾驶、多模态导航、出行规划、移动性模拟和货运管理。许多交通决策可以基于准确的步行者网络、其相互作用以及与其他出行模式的道路网络的连通性来制定。连通的步行路径网络对交通活动至关重要，因为人行道和人行横道将步行者连接到其他交通方式。然而，这些路径的位置和连通性信息在城市规划系统和寻路应用中经常缺失或不准确，给规划者和步行者造成了严重的信息缺口和错误。这项工作通过引入一个包含城市 aerial 卫星影像、街道地图影像以及人行道、人行横道和转角膨胀区栅格化标注的新数据集，开始大规模解决此问题。该数据集覆盖 陆地面积，涵盖来自 个不同城市的选定区域。它可用于与分割和理解步行者环境相关的各种学习任务。我们还提出了一个利用街道网络信息和我们提出的数据集推断连通步行路径网络地图的端到端流程。该流程的特点是使用在我们数据集上训练的多输入分割网络来预测步行者环境中的重要类别，然后生成连通的步行路径网络。我们的结果表明，该数据集足够大，可以训练常见的分割模型，从而产生准确、鲁棒的步行路径网络。
引用
@article{arxiv.2303.02323,
title = {APE: An Open and Shared Annotated Dataset for Learning Urban Pedestrian Path Networks},
author = {Yuxiang Zhang and Nicholas Bolten and Sachin Mehta and Anat Caspi},
journal= {arXiv preprint arXiv:2303.02323},
year = {2023}
}