牛津道路边界数据集
计算机视觉与模式识别
2021-06-17 v1 机器人学
摘要
在本文中，我们提出牛津道路边界数据集，用于训练和测试基于机器学习的道路边界检测与推断方法。我们手工标注了牛津Robotcar数据集中两条10公里长的行进路线，并从其他路线通过半标注道路边界掩码生成数千个进一步样本。为以此方式增加训练样本数量，我们使用基于视觉的定位器将标注从已标注数据集投影到其他不同时间与天气条件下的遍历中。结果，我们发布了62605个标注样本，其中47639个样本经过筛选整理。每个样本均包含左右镜头的原始与分类掩码。我们的数据包含多样场景的图像，如直路、停放车辆、交叉口等。下载文件与处理标注数据的工具可在以下网址获取：oxford-robotics-institute.github.io/road-boundaries-dataset
引用
@article{arxiv.2106.08983,
title = {The Oxford Road Boundaries Dataset},
author = {Tarlan Suleymanov and Matthew Gadd and Daniele De Martini and Paul Newman},
journal= {arXiv preprint arXiv:2106.08983},
year = {2021}
}
备注
Accepted for publication at the workshop "3D-DLAD: 3D-Deep Learning for Autonomous Driving" (WS15), Intelligent Vehicles Symposium (IV 2021)