V2U4Real: 一个用于车对无人机协同感知的真实大规模数据集
计算机视觉与模式识别
2026-03-27 v1
摘要
现代自动驾驶车辆感知系统常受遮挡、盲区和有限感知范围的制约。尽管现有的协同感知范式，如车对车（V2V）和车对基础设施（V2I），已证明在缓解这些挑战方面的有效性，但它们仅限于地面层面的协作，无法完全解决复杂环境中的大规模遮挡或远距离感知问题。为推进跨视角协同感知研究，我们提出了V2U4Real——首个用于车对无人机（V2U）协同目标感知的大规模真实多模态数据集。V2U4Real由一辆地面车辆和一架搭载多视角LiDAR和RGB相机的无人机采集。数据集覆盖城市街道、大学校园和乡村道路，涵盖多样化交通场景，包含超过56K帧LiDAR数据、56K张多视角相机图像以及四个类别共700K个标注3D边界框。为支持广泛的研究任务，我们建立了单目标3D检测、协同3D检测和目标跟踪的基准测试。对多种先进模型的综合评估证明了V2U协同在增强感知鲁棒性和远距离感知能力方面的有效性。V2U4Real数据集和代码库可在https://github.com/VjiaLi/V2U4Real获取。
引用
@article{arxiv.2603.25275,
title = {V2U4Real: A Real-world Large-scale Dataset for Vehicle-to-UAV Cooperative Perception},
author = {Weijia Li and Haoen Xiang and Tianxu Wang and Shuaibing Wu and Qiming Xia and Cheng Wang and Chenglu Wen},
journal= {arXiv preprint arXiv:2603.25275},
year = {2026}
}
备注
Accepted by CVPR2026