自动驾驶的协同感知数据集综述
计算机视觉与模式识别
2025-06-23 v2
摘要
由于通过多智能体信息融合可增强感知精度、安全性和鲁棒性，协同感知已在学术界和产业界引起日益关注。随着 Vehicle-to-Everything (V2X) 通信的发展，涌现出大量协同感知数据集，其在合作范式、传感器配置、数据来源和应用场景方面各不相同。然而，缺乏系统的总结和比较分析阻碍了有效的资源利用和模型评估标准化。作为首个专注于协同感知数据集的全面综述，本文从多维度视角审阅并比较现有资源。我们依据合作范式对数据集进行分类，检视其数据来源和场景，分析传感器模态及支持的任务。我们在多个维度上进行详细的比较分析。我们也勾勒出关键挑战和未来方向，包括数据集可扩展性、多样性、域适应、标准化、隐私以及大语言模型的集成。为支持持续的研究，我们提供了一个持续更新的协同感知数据集及相关文献在线资源库：https://github.com/frankwnb/Collaborative-Perception-Datasets-for-Autonomous-Driving
引用
@article{arxiv.2504.12696,
title = {Collaborative Perception Datasets for Autonomous Driving: A Review},
author = {Naibang Wang and Deyong Shang and Yan Gong and Xiaoxi Hu and Ziying Song and Lei Yang and Yuhan Huang and Xiaoyu Wang and Jianli Lu},
journal= {arXiv preprint arXiv:2504.12696},
year = {2025}
}
备注
18pages, 7figures, journal