InScope: 一个新的面向开放交通场景的真实世界3D基础设施侧协同感知数据集
计算机视觉与模式识别
2025-12-19 v1
摘要
自动驾驶车辆的感知系统容易受到遮挡的影响，尤其是在以车辆为中心的视角下。这种遮挡可能导致遗漏目标检测，例如卡车或公交车等大型车辆可能产生盲区，使得骑自行车者或行人被遮挡，从而加剧了此类感知系统局限性相关的安全问题。为了缓解这些挑战，车路协同（V2X）范式建议采用基础设施侧感知系统（IPS）来补充自动驾驶车辆，提供更广泛的感知范围。然而，真实世界3D基础设施侧数据集的稀缺限制了V2X技术的发展。为了弥补这些差距，本文介绍了一个新的3D基础设施侧协同感知数据集，简称InScope。值得注意的是，InScope是第一个通过战略性地部署多个位置的激光雷达（LiDAR）系统来解决遮挡挑战的数据集。具体而言，InScope包含20天的采集时长、303条跟踪轨迹以及187,787个由专家标注的3D边界框。通过对基准的分析，针对开放交通场景提出了四个不同的基准，包括协同3D目标检测、多源数据融合、数据域迁移和3D多目标跟踪任务。此外，设计了一种新指标来量化遮挡的影响，便于评估不同算法之间的检测退化比率。实验结果展示了利用InScope辅助在真实场景中检测和跟踪3D多目标的增强性能，特别是在跟踪被遮挡、小型和远距离目标方面。数据集和基准测试可在 https://github.com/xf-zh/InScope 获取。
引用
@article{arxiv.2407.21581,
title = {InScope: A New Real-world 3D Infrastructure-side Collaborative Perception Dataset for Open Traffic Scenarios},
author = {Xiaofei Zhang and Yining Li and Jinping Wang and Xiangyi Qin and Ying Shen and Zhengping Fan and Xiaojun Tan},
journal= {arXiv preprint arXiv:2407.21581},
year = {2025}
}