Datasets for Lane Detection in Autonomous Driving: A Comprehensive Review

要約

自動化された運転には正確な車線検出が不可欠であり、さまざまな道路シナリオで安全で信頼できる車両ナビゲーションを可能にします。
レーン検出アルゴリズムの開発と評価をサポートするために多数のデータセットが導入されており、それぞれがデータの量、センサータイプ、注釈の粒度、環境条件、シナリオの多様性という点で異なります。
このペーパーでは、30を超える公開されているレーン検出データセットの包括的なレビューを提供し、その特性、利点、制限を体系的に分析します。
センサーの解像度、注釈の種類、道路や気象条件の多様性などの重要な要因に基づいて、これらのデータセットを分類します。
既存の課題と研究のギャップを特定することにより、堅牢なレーン検出のイノベーションをさらに促進できる将来のデータセット改善の機会を強調します。
この調査は、レーン検出のための適切なデータセットを求める研究者のためのリソースとして機能し、自律運転を進めるというより広い目標に貢献します。

要約(オリジナル)

Accurate lane detection is essential for automated driving, enabling safe and reliable vehicle navigation in a variety of road scenarios. Numerous datasets have been introduced to support the development and evaluation of lane detection algorithms, each differing in terms of the amount of data, sensor types, annotation granularity, environmental conditions, and scenario diversity. This paper provides a comprehensive review of over 30 publicly available lane detection datasets, systematically analysing their characteristics, advantages and limitations. We classify these datasets based on key factors such as sensor resolution, annotation types and diversity of road and weather conditions. By identifying existing challenges and research gaps, we highlight opportunities for future dataset improvements that can further drive innovation in robust lane detection. This survey serves as a resource for researchers seeking appropriate datasets for lane detection, and contributes to the broader goal of advancing autonomous driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google