发现意外（STU）：一个用于自动驾驶中异常分割的3D LiDAR数据集
计算机视觉与模式识别
2025-05-06 v1
摘要
为了安全运行，自动驾驶车辆（AVs）需要检测并处理道路上的意外物体或异常。尽管在2D领域存在大量关于异常检测与分割的研究，但在3D领域的研究进展却探索不足。现有数据集缺乏自动驾驶车辆中常见的高质量多模态数据。本文提出了一个用于驾驶场景中异常分割的新颖数据集。据我们所知，这是首个专注于道路异常分割的公开可用数据集，具有密集的3D语义标注，融合了LiDAR和相机数据以及序列信息，能够实现不同距离范围内的异常检测。这一能力对于自动驾驶车辆的安全导航至关重要。我们适配并评估了多个用于3D分割的基线模型，突显了驾驶环境中3D异常检测所面临的挑战。我们的数据集和评估代码将公开提供，以促进不同方法的测试和性能比较。
引用
@article{arxiv.2505.02148,
title = {Spotting the Unexpected (STU): A 3D LiDAR Dataset for Anomaly Segmentation in Autonomous Driving},
author = {Alexey Nekrasov and Malcolm Burdorf and Stewart Worrall and Bastian Leibe and Julie Stephany Berrio Perez},
journal= {arXiv preprint arXiv:2505.02148},
year = {2025}
}
备注
Accepted for publication at CVPR 2025. Project page: https://www.vision.rwth-aachen.de/stu-dataset