RASMD：面向恶劣环境的RGB和SWIR多光谱驾驶数据集

当前的自动驾驶算法严重依赖可见光谱，而在雾、雨、雪、眩光和高对比度等恶劣环境下容易导致性能下降。虽然近红外（NIR）和长波红外（LWIR）等其他光谱带可以增强视觉感知，但存在局限性且缺乏大规模数据集和基准测试。短波红外（SWIR）成像相较于NIR和LWIR具有多个优势。然而，目前没有公开的大规模数据集包含SWIR数据用于自动驾驶。为填补这一空白，我们引入了RGB和SWIR多光谱驾驶（RASMD）数据集，包含10万对在不同地点、照明和天气条件下同步且空间对齐的RGB-SWIR图像对。此外，我们提供了一个用于RGB-SWIR图像翻译的子集，并为一部分具有挑战性的交通场景提供目标检测标注，以通过目标检测和RGB到SWIR图像翻译实验演示SWIR成像的实用性。我们的实验表明，在集成框架中结合RGB和SWIR数据可显著提高检测准确率，尤其在可见光传感器难以应对的条件下。我们预计RASMD数据集将推动多光谱成像用于自动驾驶和鲁棒感知系统的研究发展。