RSRD：面向安全舒适自动驾驶的路面重建数据集与基准
计算机视觉与模式识别
2023-10-04 v1 图形学
机器人学
摘要
本文针对智能机器人系统（尤其是自动驾驶车辆）中对安全性与舒适性的日益增长的需求，其中路况在整体驾驶性能中起着关键作用。例如，重建路面有助于增强运动规划与控制系统对车辆响应的分析与预测。我们引入了路面重建数据集（RSRD），这是一个在多样化驾驶条件下使用专用平台采集的真实世界、高分辨率、高精度数据集。它涵盖常见道路类型，包含约16,000对立体图像、原始点云以及真实深度/视差图，并配有精确的后处理流程以确保其质量。基于RSRD，我们进一步构建了一个通过深度估计与立体匹配恢复道路轮廓的综合基准。使用多种最先进（SOTA）方法的初步评估揭示了我们数据集的有效性与该任务的挑战性，凸显了RSRD作为推动多视立体等技术迈向安全自动驾驶的宝贵资源的巨大潜力。数据集与演示视频可在 https://thu-rsxd.com/rsrd/ 获取。
引用
@article{arxiv.2310.02262,
title = {RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving},
author = {Tong Zhao and Chenfeng Xu and Mingyu Ding and Masayoshi Tomizuka and Wei Zhan and Yintao Wei},
journal= {arXiv preprint arXiv:2310.02262},
year = {2023}
}