SemanticSpray++：面向湿润路面条件的无人驾驶多模态数据集
计算机视觉与模式识别
2024-06-17 v1
摘要
无人驾驶车辆依赖摄像头、激光雷达和雷达传感器来导航环境。雪、雨和雾等恶劣天气条件已知会对摄像头和激光雷达基于的感知系统造成问题。目前，由于缺乏包含多模态标记数据的公开数据集，评估这些方法的性能十分困难。为此，我们提出了 SemanticSpray++ 数据集，提供了面向湿润路面条件下类似高速公路场景的摄像头、激光雷达和雷达数据标签。具体而言，我们提供摄像机图像的 2D 边界框、激光点云的 3D 边界框以及雷达目标的语义标签。通过对所有三个传感器模态进行标记，SemanticSpray++ 数据集为分析在湿润路面条件下不同感知方法的性能提供了全面的测试平台。除了综合的标签统计信息外，我们还评估了多个基线方法在不同任务中的表现。该数据集将在 https://semantic-spray-dataset.github.io 提供。
引用
@article{arxiv.2406.09945,
title = {SemanticSpray++: A Multimodal Dataset for Autonomous Driving in Wet Surface Conditions},
author = {Aldi Piroli and Vinzenz Dallabetta and Johannes Kopp and Marc Walessa and Daniel Meissner and Klaus Dietmayer},
journal= {arXiv preprint arXiv:2406.09945},
year = {2024}
}
备注
Accepted at IEEE Intelligent Vehicles Symposium (IV 2024)