ADUULM-360 数据集——面向恶劣天气下深度估计的多模态数据集
计算机视觉与模式识别
2024-11-19 v1
摘要
深度估计是实现全面场景理解的一项重要任务，因为它允许将相机捕获的丰富语义信息投影到三维空间中。尽管该领域最近受到了广泛关注，但用于深度估计的数据集缺乏场景多样性或传感器模态。本工作提出了 ADUULM-360 数据集，一种新颖的用于深度估计的多模态数据集。ADUULM-360 数据集涵盖了所有既定的自动驾驶传感器模态：相机、激光雷达和雷达。它包含一个前向立体视觉设置、六个覆盖完整 360 度的环视相机、两个高分辨率远程激光雷达传感器和五个远程雷达传感器。它也是第一个在良好和恶劣天气条件下包含多样化场景的深度估计数据集。我们使用最先进的自监督深度估计方法在不同训练任务下进行了大量实验，如单目训练、立体训练和全环视训练。通过讨论这些结果，我们展示了最先进方法的常见局限性，特别是在恶劣天气条件下，这有望激发该领域的未来研究。我们的数据集、开发工具包和训练好的基线可在 https://github.com/uulm-mrm/aduulm_360_dataset 获取。
引用
@article{arxiv.2411.11455,
title = {The ADUULM-360 Dataset -- A Multi-Modal Dataset for Depth Estimation in Adverse Weather},
author = {Markus Schön and Jona Ruof and Thomas Wodtko and Michael Buchholz and Klaus Dietmayer},
journal= {arXiv preprint arXiv:2411.11455},
year = {2024}
}
备注
2024 IEEE International Conference on Intelligent Transportation Systems (ITSC)