ORFD：一种用于越野可行驶自由空间检测的数据集与基准
计算机视觉与模式识别
2022-06-28 v2
摘要
自由空间检测是自动驾驶技术的关键组成部分，并在轨迹规划中发挥重要作用。在过去十年中，基于深度学习的自由空间检测方法已被证明可行。然而，这些工作集中于城市道路环境，且由于缺乏越野基准，专为越野自由空间检测设计的深度学习方法很少。本文中，我们提出 ORFD 数据集，据我们所知，这是首个越野自由空间检测数据集。该数据集采集于不同场景（林地、农田、草地与乡村）、不同天气条件（晴、雨、雾、雪）与不同光照条件（强光、日间、暮光、黑暗），共包含 12,198 对 LiDAR 点云与 RGB 图像，并详细标注了可通行区域、不可通行区域与不可达区域。我们提出一种名为 OFF-Net 的新网络，其统一 Transformer 架构以聚合局部与全局信息，以满足自由空间检测任务对大感受野的需求。我们还提出交叉注意力以动态融合 LiDAR 与 RGB 图像信息，实现精确的越野自由空间检测。数据集与代码公开于 https://github.com/chaytonmin/OFF-Net。
引用
@article{arxiv.2206.09907,
title = {ORFD: A Dataset and Benchmark for Off-Road Freespace Detection},
author = {Chen Min and Weizhong Jiang and Dawei Zhao and Jiaolong Xu and Liang Xiao and Yiming Nie and Bin Dai},
journal= {arXiv preprint arXiv:2206.09907},
year = {2022}
}
备注
Accepted by ICRA2022