Zenseact Open Dataset：一个大规模且多样的多模态自动驾驶数据集
计算机视觉与模式识别
2023-10-24 v2 机器学习
机器人学
摘要
现有的自动驾驶（AD）数据集往往缺乏多样性与长距离能力，转而聚焦于 360{\deg} 感知与时间推理。为弥补这一缺口，我们推出 Zenseact Open Dataset（ZOD），这是一个在两年间于多个欧洲国家收集的大规模且多样的多模态数据集，覆盖面积为现有数据集的 9 倍。ZOD 在可比数据集中拥有最高的传感器探测距离与分辨率，并配有针对 2D 与 3D 物体（最远 245m）、道路实例/语义分割、交通标志识别及道路分类的详细关键帧标注。我们相信这一独特组合将推动长距离感知与多任务学习的突破。该数据集由 Frames、Sequences 与 Drives 组成，旨在兼顾数据多样性并支持时空学习、传感器融合、定位与建图。Frames 包含 10 万张精选相机图像及两秒其他辅助传感器数据，而 1473 个 Sequences 与 29 个 Drives 分别包含完整传感器套件持续 20 秒与数分钟的数据。ZOD 是唯一以宽松许可证发布的大规模 AD 数据集，允许研究与商业使用。更多信息及扩展开发工具包见 https://zod.zenseact.com
引用
@article{arxiv.2305.02008,
title = {Zenseact Open Dataset: A large-scale and diverse multimodal dataset for autonomous driving},
author = {Mina Alibeigi and William Ljungbergh and Adam Tonderski and Georg Hess and Adam Lilja and Carl Lindstrom and Daria Motorniuk and Junsheng Fu and Jenny Widahl and Christoffer Petersson},
journal= {arXiv preprint arXiv:2305.02008},
year = {2023}
}
备注
International Conference on Computer Vision (ICCV) 2023