WOMD-LiDAR：用于运动预测的原始传感器数据集基准
计算机视觉与模式识别
2024-02-20 v2
摘要
被广泛采用的运动预测数据集以更高层次的抽象（如 3D 框与折线）替代观测到的感官输入。这些稀疏形状是通过用感知系统预测对原始场景进行标注推断而得。此类中间表示将运动预测模型的质量与计算机视觉模型的性能相绑定。此外，感知与运动预测之间人为设计的显式接口通常仅传递原始感官输入中存在的部分语义信息。为研究这些模块化方法的影响、设计缓解这些限制的新范式并加速端到端运动预测模型的发展，我们用大规模、高质量、多样化的 LiDAR 数据增强 Waymo Open Motion Dataset（WOMD）以用于运动预测任务。这一新的增强数据集 WOMD-LiDAR 包含超过 100,000 个场景，每个场景跨度 20 秒，由在一系列城市与郊区地理范围内捕获的良同步且校准的高质量 LiDAR 点云组成（https://waymo.com/open/data/motion/）。与 Waymo Open Dataset（WOD）相比，WOMD-LiDAR 数据集包含多 100 倍的场景。此外，我们将 LiDAR 数据集成到运动预测模型训练中并提供一个强基线。实验表明，LiDAR 数据带来了运动预测任务的提升。我们希望 WOMD-LiDAR 能为推动端到端运动预测模型提供新机遇。
引用
@article{arxiv.2304.03834,
title = {WOMD-LiDAR: Raw Sensor Dataset Benchmark for Motion Forecasting},
author = {Kan Chen and Runzhou Ge and Hang Qiu and Rami AI-Rfou and Charles R. Qi and Xuanyu Zhou and Zoey Yang and Scott Ettinger and Pei Sun and Zhaoqi Leng and Mustafa Baniodeh and Ivan Bogun and Weiyue Wang and Mingxing Tan and Dragomir Anguelov},
journal= {arXiv preprint arXiv:2304.03834},
year = {2024}
}
备注
ICRA 2024 camera ready version. Dataset website: https://waymo.com/open/data/motion/