自动驾驶中车道检测的数据集：综合综述
计算机视觉与模式识别
2026-05-27 v2
摘要
精确的车道检测对于自动驾驶至关重要，能够在多种道路场景中实现安全可靠的车辆导航。已引入许多数据集以支持车道检测算法的开发与评估， Each dataset differs in terms of the amount of data, sensor types, annotation granularity, environmental conditions, and scenario diversity. 本文提供了20个公开车道检测数据集的综合综述，系统分析其特征、优势与局限性。我们基于关键绩效指标（如传感器分辨率、注释类型及道路与天气条件的多样性）对这些数据集进行分类，并提出一种新型的数据集质量多维度度量。通过识别现有挑战与研究空白，我们指出了未来数据集改进的机遇，这些机遇将进一步推动稳健车道检测的创新。本综述为寻求合适数据集以实现稳健车道检测的研究人员提供了资源，并为推动自动驾驶的更广泛目标作出了贡献。
引用
@article{arxiv.2504.08540,
title = {Datasets for Lane Detection in Autonomous Driving: A Comprehensive Review},
author = {Jörg Gamerdinger and Sven Teufel and Oliver Bringmann},
journal= {arXiv preprint arXiv:2504.08540},
year = {2026}
}