Rope3D：面向自动驾驶与单目3D目标检测任务的路侧感知数据集
计算机视觉与模式识别
2022-03-28 v1
摘要
现有的自动驾驶并发感知数据集主要局限于安装在车辆上的传感器所获取的前视视角，无一针对被忽视的路侧感知任务而设计。另一方面，从路侧相机捕获的数据相比前视数据具有优势，被认为有助于构建更安全、更智能的自动驾驶系统。为加速路侧感知的进展，我们从新颖视角提出了首个高多样性且具有挑战性的路侧感知3D数据集——Rope3D。该数据集包含 50k 图像和超过 1.5M 个各种场景中的 3D 物体，采集于不同设置下，包括具有模糊安装位置、相机规格、视点以及各种环境条件的多种相机。我们进行了严格的 2D-3D 联合标注和全面的数据分析，并建立了带有指标和评估工具包的新 3D 路侧感知基准。此外，我们调整了现有的前视单目 3D 目标检测方法，并提出利用几何约束来解决由各种传感器、视点引起的固有歧义。我们的数据集可在 https://thudair.baai.ac.cn/rope 获取。
引用
@article{arxiv.2203.13608,
title = {Rope3D: TheRoadside Perception Dataset for Autonomous Driving and Monocular 3D Object Detection Task},
author = {Xiaoqing Ye and Mao Shu and Hanyu Li and Yifeng Shi and Yingying Li and Guangjie Wang and Xiao Tan and Errui Ding},
journal= {arXiv preprint arXiv:2203.13608},
year = {2022}
}
备注
To appear in CVPR2022