BLVD:构建用于自动驾驶的大规模 5D 语义基准
计算机视觉与模式识别
2019-03-18 v1 机器人学
摘要
在自动驾驶领域,已建立众多基准以辅助 3D/2D 目标检测、立体视觉、语义/实例分割等任务。然而,自车周围物体的更有意义的动态演化很少被利用,且缺乏大规模数据集平台。为此,我们引入 BLVD,一个大规模的 5D 语义基准,它不专注于此前已被充分解决的静态检测或语义/实例分割任务。相反,BLVD 旨在为动态 4D(3D+时间)跟踪、5D(4D+交互)交互事件识别与意图预测任务提供平台。该基准将比以往更深入地促进对交通场景的理解。我们总共产出 249,129 个 3D 标注、4,902 个独立个体用于跟踪(总体长度为 214,922 个点)、6,004 个有效片段用于 5D 交互事件识别,以及 4,900 个个体用于 5D 意图预测。这些任务包含在依物体密度(低和高)与光照条件(白天和夜间)划分的四类场景中。该基准可从我们的项目站点 https://github.com/VCCIV/BLVD/ 下载。
引用
@article{arxiv.1903.06405,
title = {BLVD: Building A Large-scale 5D Semantics Benchmark for Autonomous Driving},
author = {Jianru Xue and Jianwu Fang and Tao Li and Bohua Zhang and Pu Zhang and Zhen Ye and Jian Dou},
journal= {arXiv preprint arXiv:1903.06405},
year = {2019}
}
备注
To appear in ICRA2019