面向无地图自动驾驶场景与能力的 dataset 开发与评估：一种方法
计算机视觉与模式识别
2025-04-15 v2
摘要
数据集在定义深度学习模型能力方面发挥着基础性作用，导致其快速增长。与此同时，聚焦于自动驾驶环境感知数据集开发过程的 Published 研究稀缺，降低了公开数据集的适用性，并阻碍了有效环境感知系统的开发。sensor-based、无地图的自动驾驶是该限制显而易见的一个情境。虽然利用实时传感器数据而非预定义的 HD 地图可通过有效地导航意外环境变化来增强适应性和安全性，但也增加了感知系统提供信息的范围和复杂度的要求。为此，我们提出了一种基于场景和能力的方法用于数据集开发。基于 ISO 21448（意图功能安全，SOTIF）的原则，扩展自 ISO/TR 4804，我们的方法促进了数据集需求的结构化推导。这不仅有助于开发有意义的新数据集，也可有效比较现有数据集。将此方法应用于广泛的现有车道检测数据集，我们识别出当前数据集在实际应用性、关键特征标注缺失以及缺乏复杂驾驶机动信息方面存在显著局限。
引用
@article{arxiv.2404.19656,
title = {Towards Scenario- and Capability-Driven Dataset Development and Evaluation: An Approach in the Context of Mapless Automated Driving},
author = {Felix Grün and Marcus Nolte and Markus Maurer},
journal= {arXiv preprint arXiv:2404.19656},
year = {2025}
}