DAIR-V2X：面向车路协同三维目标检测的大规模数据集
计算机视觉与模式识别
2022-04-13 v1 人工智能
摘要
自动驾驶因缺乏全局视角和远距离感知能力受限而面临巨大的安全挑战。学界已广泛认同，实现 L5 级自动驾驶需要车路协同。然而，目前仍没有来自真实场景、可供计算机视觉研究者研究车路协同相关问题的数据集。为加速面向车路协同自动驾驶（VICAD）的计算机视觉研究与创新，我们发布了 DAIR-V2X 数据集，这是首个来自真实场景、面向 VICAD 的大规模多模态多视角数据集。DAIR-V2X 包含 71254 个 LiDAR 帧和 71254 个 Camera 帧，所有帧均来自真实场景并带有 3D 标注。我们提出了车路协同三维目标检测问题（VIC3D），其定义为利用来自车辆与基础设施的传感输入协同定位并识别 3D 物体。除解决传统 3D 目标检测问题外，VIC3D 的解决方案还需考虑车辆与基础设施传感器间的时间异步问题以及二者间的数据传输代价。此外，我们提出基于 DAIR-V2X 的时延补偿后融合（TCLF）框架作为 VIC3D 任务的基准。数据、代码及最新信息见 https://thudair.baai.ac.cn/index 与 https://github.com/AIR-THU/DAIR-V2X。
引用
@article{arxiv.2204.05575,
title = {DAIR-V2X: A Large-Scale Dataset for Vehicle-Infrastructure Cooperative 3D Object Detection},
author = {Haibao Yu and Yizhen Luo and Mao Shu and Yiyi Huo and Zebang Yang and Yifeng Shi and Zhenglong Guo and Hanyu Li and Xing Hu and Jirui Yuan and Zaiqing Nie},
journal= {arXiv preprint arXiv:2204.05575},
year = {2022}
}
备注
CVPR2022