要約
本論文では、インテリジェントロボットシステム、特に自律走行車における安全性と快適性に対する要求の高まりに対処する。例えば、路面を再構築することは、運動計画と制御システムのための車両応答の分析と予測を強化するのに役立つ。路面再構成データセット(RSRD)は、多様な走行条件下で専用プラットフォームにより収集された、実世界の高解像度・高精度のデータセットである。RSRDは、約16,000ペアのステレオ画像、オリジナルの点群、およびグラウンドトゥルースの深度／視差マップを含む一般的な道路タイプをカバーし、その品質を保証するための正確な後処理パイプラインを備えています。RSRDに基づき、深度推定とステレオマッチングにより道路形状を復元するための包括的なベンチマークをさらに構築する。様々な最先端手法による予備評価により、我々のデータセットの有効性とタスクの課題が明らかになり、RSRDが、安全な自律走行に向けたマルチビューステレオなどの技術を進歩させるための貴重なリソースとして、大きな可能性を持つことが強調された。データセットとデモビデオはhttps://thu-rsxd.com/rsrd/。
要約(オリジナル)
This paper addresses the growing demands for safety and comfort in intelligent robot systems, particularly autonomous vehicles, where road conditions play a pivotal role in overall driving performance. For example, reconstructing road surfaces helps to enhance the analysis and prediction of vehicle responses for motion planning and control systems. We introduce the Road Surface Reconstruction Dataset (RSRD), a real-world, high-resolution, and high-precision dataset collected with a specialized platform in diverse driving conditions. It covers common road types containing approximately 16,000 pairs of stereo images, original point clouds, and ground-truth depth/disparity maps, with accurate post-processing pipelines to ensure its quality. Based on RSRD, we further build a comprehensive benchmark for recovering road profiles through depth estimation and stereo matching. Preliminary evaluations with various state-of-the-art methods reveal the effectiveness of our dataset and the challenge of the task, underscoring substantial opportunities of RSRD as a valuable resource for advancing techniques, e.g., multi-view stereo towards safe autonomous driving. The dataset and demo videos are available at https://thu-rsxd.com/rsrd/
arxiv情報
| 著者 | Tong Zhao,Chenfeng Xu,Mingyu Ding,Masayoshi Tomizuka,Wei Zhan,Yintao Wei |
| 発行日 | 2023-10-03 17:59:32+00:00 |
| arxivサイト | arxiv_id(pdf) |