WiDEVIEW：用于解析行人-车辆交互的超宽带与视觉数据集
机器人学
2023-09-29 v1
摘要
对行人与骑行者等道路使用者的稳健且准确的跟踪与定位，对于确保自动驾驶车辆（AVs）安全有效的导航至关重要，尤其在具有复杂车辆-行人交互的城市驾驶场景中更是如此。现有有助于研究车辆-行人交互的数据集多以图像为中心，因而易受视觉失效影响。在本文中，我们研究将超宽带（UWB）作为道路使用者定位的附加模态，以更好地理解车辆-行人交互。我们提出 WiDEVIEW，首个集成 LiDAR、三个 RGB 相机、GPS/IMU 与 UWB 传感器以捕获城市自动驾驶场景中车辆-行人交互的多模态数据集。以 2D 边界框形式提供真值图像标注，并在标准 2D 目标检测与跟踪算法上对该数据集进行评估。以 LiDAR 作为真值，对 UWB 在视距与非视距条件下的典型交通场景可行性进行了评估。我们确定 UWB 测距数据与 LiDAR 具有可比精度，误差为 0.19 米，并在视距条件下提供可靠锚点-标签测距数据达 40 米。UWB 在非视距条件下的性能取决于障碍物性质（树木 vs. 建筑）。此外，我们对易受间歇性视觉失效影响场景下的 UWB 性能进行了定性分析。该数据集可通过 https://github.com/unmannedlab/UWB_Dataset 下载。
引用
@article{arxiv.2309.16057,
title = {WiDEVIEW: An UltraWideBand and Vision Dataset for Deciphering Pedestrian-Vehicle Interactions},
author = {Jia Huang and Alvika Gautam and Junghun Choi and Srikanth Saripalli},
journal= {arXiv preprint arXiv:2309.16057},
year = {2023}
}