Para-Lane：用于基准测试新视角合成的多车道数据集注册平行扫描
计算机视觉与模式识别
2025-02-25 v2
摘要
为了评估端到端自动驾驶系统，基于新视角合成（Novel View Synthesis, NVS）技术的仿真环境是必不可少的，该环境能够从先前记录的序列中，通过新的车辆姿态合成出照片级真实图像和点云，尤其是在跨车道场景中。因此，有必要开发出多车道数据集和基准测试。虽然最近针对跨车道基准测试准备的合成场景基于NVS的数据集已有所涉及，但它们仍缺乏捕获图像和点云的真实感。为了进一步评估基于NeRF和3DGS的方法的性能，我们提出了首个为新视角驾驶合成而设计的注册平行扫描的多车道数据集，源自真实世界扫描数据，包含25组相关序列，包括16,000张前视图像、64,000张全景视野图像和16,000帧LiDAR数据。所有帧都标注用于区分移动对象与静态元素。使用该数据集，我们在不同车道和距离的各种测试场景中评估了现有方法的性能。此外，我们的方法提供了解决和评估多传感器姿态质量、用于多模态数据对齐以构建此类数据集的解决方案。我们计划持续添加新的序列，以测试现有方法在不同场景下的泛化能力。该数据集已公开发布于项目页面：https://nizqleo.github.io/paralane-dataset/。
引用
@article{arxiv.2502.15635,
title = {Para-Lane: Multi-Lane Dataset Registering Parallel Scans for Benchmarking Novel View Synthesis},
author = {Ziqian Ni and Sicong Du and Zhenghua Hou and Chenming Wu and Sheng Yang},
journal= {arXiv preprint arXiv:2502.15635},
year = {2025}
}
备注
Accepted by International Conference on 3D Vision (3DV) 2025