RELLIS-3D数据集：数据、基准与分析
计算机视觉与模式识别
2022-05-26 v4 机器人学
摘要
语义场景理解对于稳健安全的自主导航至关重要，在越野环境中尤为如此。近期用于3D语义分割的深度学习进展严重依赖大量训练数据，然而现有自主数据集要么代表城市环境，要么缺乏多模态越野数据。我们以RELLIS-3D填补这一空白：这是一个在越野环境中采集的多模态数据集，包含13,556帧LiDAR扫描与6,235张图像的标注。数据采于德克萨斯农工大学(Texas A&M University)的Rellis校区，对现有算法提出了类别不平衡与地形环境方面的挑战。此外，我们在此数据集上评估了当前最先进的深度学习语义分割模型。实验结果表明，RELLIS-3D对为城市环境分割设计的算法构成了挑战。这一新颖数据集为研究者提供了所需资源，以继续开发更先进的算法并探索新的研究方向，从而提升越野环境中的自主导航能力。RELLIS-3D可通过 https://github.com/unmannedlab/RELLIS-3D 获取。
引用
@article{arxiv.2011.12954,
title = {RELLIS-3D Dataset: Data, Benchmarks and Analysis},
author = {Peng Jiang and Philip Osteen and Maggie Wigness and Srikanth Saripalli},
journal= {arXiv preprint arXiv:2011.12954},
year = {2022}
}
备注
7 pages, 7 figures