DAWN：恶劣天气自然环境下的车辆检测数据集

近年来，自动驾驶车辆已引入多项自动化功能，包括车道保持辅助、交通拥堵排队辅助、泊车辅助和碰撞避免。这些自动驾驶车辆与智能视觉交通监控系统主要依赖摄像头与传感器融合系统。浓雾、降雨、降雪和沙尘暴等恶劣天气条件被视为摄像功能的危险限制因素，严重影响用于场景理解的计算机视觉算法（即交通场景中的车辆检测、跟踪与识别）的性能。例如，路面雨流与结冰产生的反射可能导致大量检测错误，进而影响智能视觉交通系统的表现。此外，场景理解与车辆检测算法大多使用包含特定类型合成图像及少量真实世界图像的数据集进行评估。因此，这些算法在野外采集的模糊图像上表现如何，以及该领域算法进展如何标准化，尚不确定。为此，我们提出一个名为 DAWN 的新数据集（基准），由各种恶劣天气条件下采集的真实世界图像组成。该数据集强调多样化的交通环境（城市、公路与高速公路）以及丰富的交通流种类。DAWN 数据集包含 1000 张真实交通环境图像，分为雾、雪、雨和沙尘暴四种天气条件集合，并标注了用于自动驾驶与视频监控场景的目标边界框。该数据有助于解释恶劣天气条件对车辆检测系统性能所造成的影响。