V2V4Real：一个用于车对车协同感知的真实世界大规模数据集
计算机视觉与模式识别
2023-03-21 v2
摘要
众所周知，自动驾驶汽车的现代感知系统对遮挡敏感，且缺乏长距离感知能力。这一直是阻碍实现 L5 级自动驾驶的关键瓶颈之一。近期研究表明，车对车（V2V）协同感知系统具有彻底变革自动驾驶行业的巨大潜力。然而，缺乏真实世界数据集阻碍了该领域的进展。为促进协同感知的发展，我们推出 V2V4Real，首个面向 V2V 感知的大规模真实世界多模态数据集。数据由两辆配备多模态传感器、一同驶过多样场景的车辆采集。我们的 V2V4Real 数据集覆盖 410 km 的驾驶区域，包含 20K 个 LiDAR 帧、40K 个 RGB 帧、针对 5 个类别的 240K 个标注 3D 边界框，以及覆盖所有行驶路线的高精地图（HDMaps）。V2V4Real 引入了三项感知任务，包括协同 3D 目标检测、协同 3D 目标跟踪，以及面向协同感知的 Sim2Real 域适应。我们提供了近期协同感知算法在三项任务上的综合基准。V2V4Real 数据集可在 https://research.seas.ucla.edu/mobility-lab/v2v4real/ 获取。
引用
@article{arxiv.2303.07601,
title = {V2V4Real: A Real-world Large-scale Dataset for Vehicle-to-Vehicle Cooperative Perception},
author = {Runsheng Xu and Xin Xia and Jinlong Li and Hanzhao Li and Shuo Zhang and Zhengzhong Tu and Zonglin Meng and Hao Xiang and Xiaoyu Dong and Rui Song and Hongkai Yu and Bolei Zhou and Jiaqi Ma},
journal= {arXiv preprint arXiv:2303.07601},
year = {2023}
}
备注
Accepted by CVPR2023. Website link: https://research.seas.ucla.edu/mobility-lab/v2v4real