Interaction of Autonomous and Manually Controlled Vehicles Multiscenario Vehicle Interaction Dataset

要約

高品質のセンサーデータの獲得と分析は、完全自律駆動システムの開発を形成する上で重要な要件を構成します。
このプロセスは、交通安全を高め、自動車産業における技術的進歩の有効性を確保するために不可欠です。
この研究では、自律型および手動で制御された車両（IAMCV）データセットの相互作用を紹介します。これは、車両間の相互作用に焦点を当てた新規かつ広範なデータセットです。
データセットは、光検出と範囲、カメラ、慣性測定単位/グローバルポジショニングシステム、車両バスデータ収集などの洗練されたセンサーの洗練された配列で濃縮されており、ラウンドアバウト、交差点、田舎道、および高速道路を含む現実世界の運転シナリオを包括的に表現しています。
さらに、この研究では、いくつかの概念実証ユースケースを通じてIAMCVデータセットの汎用性が示されています。
第一に、監視されていない軌跡クラスタリングアルゴリズムは、ラベル付きトレーニングデータを必要とせずに車両の動きを分類するデータセットの機能を示しています。
第二に、データセットでキャプチャされた画像を使用して、オンラインカメラのキャリブレーション方法をロボットオペレーティングシステムベースの標準と比較します。
最後に、Yolov8オブジェクト検出モデルを使用した予備テストが行​​われ、さまざまなLIDAR解像度にわたるオブジェクト検出の転送可能性に関する反射によって増強されます。
これらのユースケースは、収集されたデータセットの実用的なユーティリティを強調し、インテリジェント車の分野での研究と革新を促進する可能性を強調しています。

要約(オリジナル)

The acquisition and analysis of high-quality sensor data constitute an essential requirement in shaping the development of fully autonomous driving systems. This process is indispensable for enhancing road safety and ensuring the effectiveness of the technological advancements in the automotive industry. This study introduces the Interaction of Autonomous and Manually-Controlled Vehicles (IAMCV) dataset, a novel and extensive dataset focused on inter-vehicle interactions. The dataset, enriched with a sophisticated array of sensors such as Light Detection and Ranging, cameras, Inertial Measurement Unit/Global Positioning System, and vehicle bus data acquisition, provides a comprehensive representation of real-world driving scenarios that include roundabouts, intersections, country roads, and highways, recorded across diverse locations in Germany. Furthermore, the study shows the versatility of the IAMCV dataset through several proof-of-concept use cases. Firstly, an unsupervised trajectory clustering algorithm illustrates the dataset’s capability in categorizing vehicle movements without the need for labeled training data. Secondly, we compare an online camera calibration method with the Robot Operating System-based standard, using images captured in the dataset. Finally, a preliminary test employing the YOLOv8 object-detection model is conducted, augmented by reflections on the transferability of object detection across various LIDAR resolutions. These use cases underscore the practical utility of the collected dataset, emphasizing its potential to advance research and innovation in the area of intelligent vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google