迈向零愿景：TUM 交通事故 3D 数据集
计算机视觉与模式识别
2025-08-20 v2
摘要
尽管已有大量工作用于提高交通网络的安全性，但事故仍然频繁发生。它们必须被视为交通网络不可避免的偶发结果。目前尚无公开数据集包含来自路边摄像头和 LiDAR 传感器记录的真实事故的 3D 标注。我们提出了 TUM 交通事故 3D（TUMTraf-Accid3nD）数据集，包含不同天气和光照条件下的真实高速公路事故。该数据集包含高速行驶中的车辆碰撞，配有 2,634,233 个标注的 2D 边界框、实例分割掩码以及带有轨迹 ID 的 3D 边界框。数据集共包含来自四个路边摄像头和 LiDAR 以 25 Hz 记录的 111,945 帧标注图像和点云帧。数据集包含六个目标类别，并以 OpenLABEL 格式提供。我们提出了一种结合基于规则方法与基于学习方法的交通事故检测模型。在该数据集上进行的实验和消融研究展示了所提方法的鲁棒性。数据集、模型和代码可在我们的网站上获取：https://accident-dataset.github.io。
引用
@article{arxiv.2503.12095,
title = {Towards Vision Zero: The TUM Traffic Accid3nD Dataset},
author = {Walter Zimmer and Ross Greer and Daniel Lehmberg and Marc Pavel and Holger Caesar and Xingcheng Zhou and Ahmed Ghita and Mohan Trivedi and Rui Song and Hu Cao and Akshay Gopalkrishnan and Alois C. Knoll},
journal= {arXiv preprint arXiv:2503.12095},
year = {2025}
}
备注
Accepted for the IEEE/CVF International Conference on Computer Vision Workshops (ICCVW)