DOLPHINS：用于协同感知赋能的和谐互联自动驾驶数据集
计算机视觉与模式识别
2024-10-01 v1 机器学习
图像与视频处理
摘要
Vehicle-to-Everything (V2X)网络已实现自动驾驶中的协同感知，这是解决包括盲区与长距离感知在内的独立智能根本缺陷的一种有前景的方案。然而，数据集的缺乏严重阻碍了协同感知算法的发展。在这项工作中，我们发布了DOLPHINS: Dataset for cOllaborative Perception enabled Harmonious and INterconnected Self-driving，作为一个新的模拟大规模多场景多视角多模态自动驾驶数据集，它为互联自动驾驶提供了一个突破性的基准平台。DOLPHINS在六个维度上优于当前数据集：来自车辆和路侧单元(RSUs)的时间对齐图像和点云支持基于Vehicle-to-Vehicle (V2V)和Vehicle-to-Infrastructure (V2I)的协同感知；具有动态天气条件的6种典型场景构成了最多样的互联自动驾驶数据集；精心选择的视角提供对关键区域和每个物体的全覆盖；42376帧和292549个物体，以及相应的3D标注、地理位置和标定，组成了最大的协同感知数据集；全高清图像和64线LiDARs构建了具有充足细节的高分辨率数据；良好组织的API和开源代码确保了DOLPHINS的可扩展性。我们还在DOLPHINS上构建了2D检测、3D检测和多视角协同感知任务的基准。实验结果表明，当存在RSUs时，通过V2X通信的原始级融合方案有助于提高精度，并降低车辆上昂贵LiDAR设备的必要性，这可能加速互联自动驾驶车辆的普及。DOLPHINS现可在 https://dolphins-dataset.net/ 获取。
引用
@article{arxiv.2207.07609,
title = {DOLPHINS: Dataset for Collaborative Perception enabled Harmonious and Interconnected Self-driving},
author = {Ruiqing Mao and Jingyu Guo and Yukuan Jia and Yuxuan Sun and Sheng Zhou and Zhisheng Niu},
journal= {arXiv preprint arXiv:2207.07609},
year = {2024}
}