Ithaca365：重复且具挑战性天气条件下的数据集与驾驶感知
计算机视觉与模式识别
2022-08-03 v1
摘要
近年来，由于大规模数据集的可用性，自动驾驶汽车的感知进展迅速，这些数据集通常在特定地点和良好天气条件下收集。然而，为了达到高安全性要求，这些感知系统必须在包括雪和雨在内的各种天气条件下稳健运行。在本文中，我们提出了一个新数据集，通过一种新颖的数据收集过程实现稳健的自动驾驶——数据在 15 公里路线上重复记录，涵盖多样场景（城市、高速公路、乡村、校园）、天气（雪、雨、晴）、时间（白天/夜晚）和交通条件（行人、骑行者和汽车）。该数据集包含来自相机和 LiDAR 传感器的图像与点云，以及高精度 GPS/INS 以建立跨路线的对应关系。数据集使用非模态掩码（amodal masks）标注道路和物体以捕捉部分遮挡，并提供 3D 边界框。我们通过分析基线在非模态道路与物体分割、深度估计和 3D 物体检测中的性能，展示了该数据集的独特性。重复路线为物体发现、持续学习和异常检测开辟了新的研究方向。Ithaca365 链接：https://ithaca365.mae.cornell.edu/
引用
@article{arxiv.2208.01166,
title = {Ithaca365: Dataset and Driving Perception under Repeated and Challenging Weather Conditions},
author = {Carlos A. Diaz-Ruiz and Youya Xia and Yurong You and Jose Nino and Junan Chen and Josephine Monica and Xiangyu Chen and Katie Luo and Yan Wang and Marc Emond and Wei-Lun Chao and Bharath Hariharan and Kilian Q. Weinberger and Mark Campbell},
journal= {arXiv preprint arXiv:2208.01166},
year = {2022}
}
备注
Accepted by CVPR 2022