StereoCarla：用于通用立体视觉的高保真驾驶数据集
计算机视觉与模式识别
2025-09-17 v1
摘要
立体匹配在实现自动驾驶和机器人深度感知中起关键作用。尽管近年来在立体匹配算法上取得了显著进展，主要由基于学习的方法和合成数据集驱动，但这些模型的泛化性能受限于现有训练数据的多样性不足。为此，我们提出StereoCarla，一个专为自动驾驶场景设计的高保真合成立体数据集。基于CARLA模拟器构建的StereoCarla包含广泛的相机配置，包括多样化的基线、视点和传感器布局，以及 varied环境条件，如光照变化、天气效应和道路几何形状。我们在四个标准评估数据集（KITTI2012、KITTI2015、Middlebury、ETH3D）上进行了全面的跨域实验，证明在多个基准上，训练于StereoCarla的模型在泛化准确率方面优于训练于11个现有立体数据集的模型。此外，在多数据集训练中，StereoCarla对泛化准确率的提升表明其兼容性和可扩展性。该数据集为开发和评估在真实、多样且可控设置下运行的立体算法提供了宝贵的基准，促进自动驾驶车辆中更稳健的深度感知系统。代码可在 https://github.com/XiandaGuo/OpenStereo 获取，数据可在 https://xiandaguo.net/StereoCarla 获取。
引用
@article{arxiv.2509.12683,
title = {StereoCarla: A High-Fidelity Driving Dataset for Generalizable Stereo},
author = {Xianda Guo and Chenming Zhang and Ruilin Wang and Youmin Zhang and Wenzhao Zheng and Matteo Poggi and Hao Zhao and Qin Zou and Long Chen},
journal= {arXiv preprint arXiv:2509.12683},
year = {2025}
}