V2X-Seq：面向车路协同感知与预测的大规模序列数据集
计算机视觉与模式识别
2023-05-11 v1 人工智能
摘要
利用基础设施与车端信息来跟踪并预测周围交通参与者的行为，可显著提升自动驾驶中的决策与安全性。然而，真实世界序列数据集的缺乏限制了该领域的研究。为解决这个问题，我们引入了V2X-Seq，首个大规模序列V2X数据集，其包含从自然场景中捕获的数据帧、轨迹、矢量地图与交通灯。V2X-Seq由两部分组成：序列感知数据集，包含从95个场景捕获的超过15,000帧；以及轨迹预测数据集，包含约80,000个基础设施视角场景、80,000个车辆视角场景和50,000个协同视角场景，捕获自28个交叉口区域，覆盖672小时数据。基于V2X-Seq，我们引入了三项面向车路协同 (VIC) 自动驾驶的新任务：VIC3D跟踪、在线-VIC预测与离线-VIC预测。我们还为所引入的任务提供了基准。数据、代码及更多最新信息见 \href{https://github.com/AIR-THU/DAIR-V2X-Seq}{https://github.com/AIR-THU/DAIR-V2X-Seq}。
引用
@article{arxiv.2305.05938,
title = {V2X-Seq: A Large-Scale Sequential Dataset for Vehicle-Infrastructure Cooperative Perception and Forecasting},
author = {Haibao Yu and Wenxian Yang and Hongzhi Ruan and Zhenwei Yang and Yingjuan Tang and Xu Gao and Xin Hao and Yifeng Shi and Yifeng Pan and Ning Sun and Juan Song and Jirui Yuan and Ping Luo and Zaiqing Nie},
journal= {arXiv preprint arXiv:2305.05938},
year = {2023}
}
备注
CVPR2023