ROAD：面向自动驾驶的道路事件感知数据集
计算机视觉与模式识别
2022-04-04 v3 人工智能
机器人学
摘要
人类以整体方式驾驶，尤其需要理解动态道路事件及其演变。因此，将这类能力注入自动驾驶车辆可使态势感知与决策更接近人类水平表现。为此，我们引入了面向自动驾驶的 ROad 事件感知数据集（ROAD），据我们所知这是此类首个数据集。ROAD 旨在测试自动驾驶车辆检测道路事件的能力，道路事件定义为由主动智能体、其所执行动作及相应场景位置组成的三元组。ROAD 包含源自 Oxford RobotCar Dataset 的视频，标注了边界框以显示各道路事件在图像平面中的位置。我们对多种检测任务进行基准测试，提出一种称为 3D-RetinaNet 的用于在线道路事件感知的新型增量算法作为基线。我们还报告了 Slowfast 与 YOLOv5 检测器在 ROAD 任务上的性能，以及 ICCV2021 ROAD 挑战赛获胜者的性能，其凸显了自动驾驶中态势感知面临的挑战。ROAD 旨在让学者研究复杂（道路）活动检测、未来事件预测与持续学习等令人振奋的任务。数据集可在 https://github.com/gurkirt/road-dataset 获取；基线可在 https://github.com/gurkirt/3D-RetinaNet 找到。
引用
@article{arxiv.2102.11585,
title = {ROAD: The ROad event Awareness Dataset for Autonomous Driving},
author = {Gurkirt Singh and Stephen Akrigg and Manuele Di Maio and Valentina Fontana and Reza Javanmard Alitappeh and Suman Saha and Kossar Jeddisaravi and Farzad Yousefi and Jacob Culley and Tom Nicholson and Jordan Omokeowa and Salman Khan and Stanislao Grazioso and Andrew Bradley and Giuseppe Di Gironimo and Fabio Cuzzolin},
journal= {arXiv preprint arXiv:2102.11585},
year = {2022}
}
备注
29 pages, accepted at TPAMI