OSDaR-AR：通过多模态增强现实提升铁路感知数据集
计算机视觉与模式识别
2026-02-27 v1
摘要
虽然深度学习显著推进了智能交通系统的感知能力，但铁路应用仍因缺乏面对安全关键任务（如障碍检测）的高质量、已标注数据而受限。虽然光照级模拟器提供了解决方案，但常常难以克服“仿真到现实”的鸿沟；相反，简单的图像遮罩技术缺乏所需的时空一致性，难以获得具有正确外观和尺寸的增强单帧和多帧场景。本文引入了一个多模态增强现实框架，旨在弥合这一差距，通过将逼真的虚拟物体整合到来自 OSDaR23 数据集的真实铁路序列中。利用 Unreal Engine 5 的功能，我们的管道利用 LiDAR 点云和 INS/GNSS 数据，确保对象放置准确且在 RGB 帧中保持时序稳定性。本文还提出了一种基于分割的INS/GNSS数据细化策略，以显著提高增强序列的真实感，实验结果证明了这一方法的有效性。精心设计的增强序列用于生产 OSDaR-AR，一个公开数据集，旨在支持下一代铁路感知系统的开发。数据集可在以下页面获取：https://syndra.retis.santannapisa.it/osdarar.html
引用
@article{arxiv.2602.22920,
title = {OSDaR-AR: Enhancing Railway Perception Datasets via Multi-modal Augmented Reality},
author = {Federico Nesti and Gianluca D'Amico and Mauro Marinoni and Giorgio Buttazzo},
journal= {arXiv preprint arXiv:2602.22920},
year = {2026}
}