RCooper: A Real-world Large-scale Dataset for Roadside Cooperative Perception

要約

自動運転と交通管理の境界を広げる可能性がある路側認識の価値は、近年徐々に注目され、認識されるようになってきています。
しかし、既存の路側認識アプローチは単一インフラストラクチャセンサーシステムのみに焦点を当てており、感知範囲と死角が限られているため、交通エリアを包括的に理解することはできません。
高品質の路側認識を目指して、交通制限区域の実用的なエリアカバレッジ路側認識を実現するには、路側協力認識 (RCooper) が必要です。
Rcooper には独自のドメイン固有の課題がありますが、データセットが不足しているため、さらなる探索が妨げられています。
そこで私たちは、検出と追跡を含む実用的な路側協力知覚に関する研究を開花させるために、初の実世界の大規模 RCooper データセットをリリースしました。
手動で注釈が付けられたデータセットは、2 つの代表的な交通シーン (交差点と廊下) を含む 50,000 の画像と 30,000 の点群で構成されています。
構築されたベンチマークは、沿道協力認識の有効性を証明し、さらなる研究の方向性を示しています。
コードとデータセットには、https://github.com/AIR-THU/DAIR-RCooper からアクセスできます。

要約(オリジナル)

The value of roadside perception, which could extend the boundaries of autonomous driving and traffic management, has gradually become more prominent and acknowledged in recent years. However, existing roadside perception approaches only focus on the single-infrastructure sensor system, which cannot realize a comprehensive understanding of a traffic area because of the limited sensing range and blind spots. Orienting high-quality roadside perception, we need Roadside Cooperative Perception (RCooper) to achieve practical area-coverage roadside perception for restricted traffic areas. Rcooper has its own domain-specific challenges, but further exploration is hindered due to the lack of datasets. We hence release the first real-world, large-scale RCooper dataset to bloom the research on practical roadside cooperative perception, including detection and tracking. The manually annotated dataset comprises 50k images and 30k point clouds, including two representative traffic scenes (i.e., intersection and corridor). The constructed benchmarks prove the effectiveness of roadside cooperation perception and demonstrate the direction of further research. Codes and dataset can be accessed at: https://github.com/AIR-THU/DAIR-RCooper.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google