自动驾驶集体感知数据集综述

为确保在复杂城市环境中安全运行，自动驾驶车辆必须完整感知环境。然而，由于环境条件、传感器限制和遮挡，从单一视角无法始终实现这一目标。为此，集体感知是一种有效方法。用于训练和评估集体感知方法的真实且大规模数据集至关重要。本文提供了关于自动驾驶语境下集体感知数据集的首个全面技术综述。该综述分析了现有的V2V和V2X数据集，并根据传感器模态、环境条件和情景多样性等不同标准对其进行分类。重点关注其在发展连接自动驾驶车辆中的适用性。本研究旨在识别所有数据集的关键标准，并呈现其优势、劣势及异常现象。最后，本综述通过推荐哪些数据集最适合用于集体3D目标检测、跟踪和语义分割，作出结论。