aiMotive Dataset: A Multimodal Dataset for Robust Autonomous Driving with Long-Range Perception

要約

自動運転は、コンピュータ ビジョン研究コミュニティ内で人気の研究分野です。
自動運転車は安全性が非常に重要であるため、実際の展開には堅牢性の確保が不可欠です。
いくつかの公開マルチモーダル データセットにアクセスできますが、それらは主に 2 つのセンサー モダリティ (カメラ、LiDAR) で構成されており、悪天候にはあまり適していません。
さらに、長距離のアノテーションが欠如しているため、自動運転車の高速道路アシスタント機能の基盤となるニューラル ネットワークのトレーニングが困難になります。
したがって、長距離知覚を備えた堅牢な自動運転のためのマルチモーダル データセットを導入します。
データセットは、360 度の視野をカバーする、同期および校正された LiDAR、カメラ、レーダー センサーを備えた 176 のシーンで構成されています。
収集されたデータは、日中、夜間、雨天時に高速道路、都市部、郊外で収集され、フレーム全体で一貫した識別子を持つ 3D 境界ボックスで注釈が付けられます。
さらに、3D オブジェクト検出用に単峰性および多峰性のベースライン モデルをトレーニングしました。
データは \url{https://github.com/aimotive/aimotive_dataset} で入手できます。

要約(オリジナル)

Autonomous driving is a popular research area within the computer vision research community. Since autonomous vehicles are highly safety-critical, ensuring robustness is essential for real-world deployment. While several public multimodal datasets are accessible, they mainly comprise two sensor modalities (camera, LiDAR) which are not well suited for adverse weather. In addition, they lack far-range annotations, making it harder to train neural networks that are the base of a highway assistant function of an autonomous vehicle. Therefore, we introduce a multimodal dataset for robust autonomous driving with long-range perception. The dataset consists of 176 scenes with synchronized and calibrated LiDAR, camera, and radar sensors covering a 360-degree field of view. The collected data was captured in highway, urban, and suburban areas during daytime, night, and rain and is annotated with 3D bounding boxes with consistent identifiers across frames. Furthermore, we trained unimodal and multimodal baseline models for 3D object detection. Data are available at \url{https://github.com/aimotive/aimotive_dataset}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google