LiDAR-CS 数据集：面向三维目标检测的跨传感器激光雷达点云数据集
计算机视觉与模式识别
2024-03-06 v2
摘要
过去几年中，三维点云研究取得显著进展，其在自动驾驶场景中的使用已十分广泛。然而，深度学习方法严重依赖标注数据，且常面临域泛化问题。与域通常关乎纹理信息的 2D 图像不同，从三维点云提取的特征受点分布影响。缺乏三维域适应基准导致常见做法是在一个基准（如 Waymo）上训练模型，再在另一数据集（如 KITTI）上评估。该设定产生两类不同的域鸿沟：场景与传感器，难以准确分析与评估方法。为应对此问题，本文提出跨传感器激光雷达数据集（LiDAR-CS Dataset），其包含由混合真实感激光雷达模拟器采集、六组不同传感器但在相同对应场景下的规模化标注激光雷达点云。据我们所知，LiDAR-CS Dataset 是首个针对真实交通中三维目标检测域内的传感器相关鸿沟的数据集。此外，我们使用多种基线检测器评估并分析了性能，展示了其潜在应用。项目主页：https://opendriving.github.io/lidar-cs。
引用
@article{arxiv.2301.12515,
title = {LiDAR-CS Dataset: LiDAR Point Cloud Dataset with Cross-Sensors for 3D Object Detection},
author = {Jin Fang and Dingfu Zhou and Jingjing Zhao and Chenming Wu and Chulin Tang and Cheng-Zhong Xu and Liangjun Zhang},
journal= {arXiv preprint arXiv:2301.12515},
year = {2024}
}
备注
8 pages