CORP：面向校园场景路侧感知任务的多模态数据集
计算机视觉与模式识别
2026-04-21 v3
摘要
已有大量路侧感知数据集被提出，以推动自动驾驶和智能交通系统的研发进展。然而，人们观察到这些数据集大多聚焦于城市主干道，却无意间忽略了如公园和校园等展现出截然不同特征的居住区。鉴于这一空白，我们提出了 CORP，这是首个专为校园场景下多模态路侧感知任务定制的公开基准数据集。CORP 在一所大学校园内采集，包含来自 18 个相机和 9 个 LiDAR 传感器采集的超过 205k 张图像和 102k 个点云。这些配置各异的传感器安装于路侧电线杆上，以提供校园区域内多样化的视角。CORP 的标注涵盖了超越 2D 和 3D 边界框的多维信息，通过用于识别目标的唯一 ID 和像素掩码，为 3D 无缝跟踪和实例分割提供额外支持，以增强对分布于校园各处的物体及其行为的理解。不同于其他关于城市交通的路侧数据集，CORP 扩展了范围，突出了校园及其他居住区中多模态感知所面临的挑战。
引用
@article{arxiv.2404.03191,
title = {CORP: A Multi-Modal Dataset for Campus-Oriented Roadside Perception Tasks},
author = {Beibei Wang and Zijian Yu and Lu Zhang and Jingjing Huang and Yao Li and Haojie Ren and Yuxuan Xiao and Yuru Peng and Jianmin Ji and Yu Zhang and Yanyong Zhang},
journal= {arXiv preprint arXiv:2404.03191},
year = {2026}
}