铁路场景障碍物检测的合成数据集 SynRailObs
计算机视觉与模式识别
2025-05-19 v1
摘要
在铁路环境中检测潜在障碍物对于预防严重事故至关重要。识别复杂条件下的多样化障碍物类别需要大规模数据集，数据集必须包含精确标注且质量较好的图像。然而，现有公开数据集未能满足这些要求，阻碍了铁路安全研究的进展。为此，我们引入 SynRailObs，一个高保真合成数据集，旨在代表多样化的天气条件和地理特征。此外，采用扩散模型生成罕见且难以捕获的障碍物。为评估 SynRailObs 的效果，我们在真实铁路环境中进行实验，测试对象包括不同天气条件下的砌轨铁路和无砌轨铁路。结果表明，SynRailObs 在推动铁路安全应用中的障碍物检测方面具有巨大的潜力。在不同距离和环境条件下，训练此数据集的模型表现稳定。此外，训练 SynRailObs 的模型展现出零样本能力，这在安全敏感领域中至关重要。数据可在 https://www.kaggle.com/datasets/qiushi910/synrailobs 获取。
引用
@article{arxiv.2505.10784,
title = {SynRailObs: A Synthetic Dataset for Obstacle Detection in Railway Scenarios},
author = {Qiushi Guo and Jason Rambach},
journal= {arXiv preprint arXiv:2505.10784},
year = {2025}
}