Cityscapes 3D：面向9自由度车辆检测的数据集与基准
计算机视觉与模式识别
2020-06-16 v1 机器学习
机器人学
图像与视频处理
摘要
检测车辆并在三维空间中表示其位置与朝向是自动驾驶的一项关键技术。近来，仅基于单目RGB图像的3D车辆检测方法日益流行。为了促进这一任务的发展，并对最先进的方法进行比较和推动，已有若干新的数据集和基准发布。车辆的真实标注通常使用激光雷达点云获得，但由于两个传感器之间的标定或同步不完美，这往往会引入误差。为此，我们提出Cityscapes 3D，在原有Cityscapes数据集的基础上扩展了所有类型车辆的3D边界框标注。与现有数据集不同，我们的3D标注仅使用立体RGB图像进行标记，并捕获全部九个自由度。这使得在RGB图像中能够实现像素精确的重投影，并且与基于激光雷达的方法相比，标注范围更广。为了便于多任务学习，我们提供了2D实例分割与3D边界框的配对。此外，我们基于新的标注以及本文提出的度量指标，为Cityscapes基准套件补充了3D车辆检测任务。数据集和基准均可在线获取。
引用
@article{arxiv.2006.07864,
title = {Cityscapes 3D: Dataset and Benchmark for 9 DoF Vehicle Detection},
author = {Nils Gählert and Nicolas Jourdan and Marius Cordts and Uwe Franke and Joachim Denzler},
journal= {arXiv preprint arXiv:2006.07864},
year = {2020}
}
备注
2020 "Scalability in Autonomous Driving" CVPR Workshop