Nov, 2018

ApolloCar3D：自动驾驶的大型三维车辆实例理解基准

PDF
TL;DR本文介绍了一种适用于自动驾驶研究的大规模 3D 汽车数据库，并提出了使用深度学习算法进行图像分割和车辆姿态与形状估计的方法，并使用关键点进一步优化模型性能。
autonomous driving3d car instance understandingdatabaseimage segmentationdeep learning
发现论文，激发创造
  • ApolloScape 自动驾驶开放数据集及其应用

    本文介绍了 ApolloScape 数据集及其应用于自动驾驶的算法，数据集包含丰富的标签和各个任务的工具和算法，使用多传感器融合以及多任务联合学习的方法，能够实现鲁棒自主定位和语义分割。

    Mar, 2018

  • A*3D 数据集：面向复杂环境的自动驾驶

    本文介绍了一份新的挑战性 A*3D 数据集，以满足自动驾驶研究任务在高度多样化的环境中的需求，并采用基于 RGB 图像和 LiDAR 数据的丰富多样的场景、时间和天气情况，其中包括重度遮挡和大量的夜间框架，共包含 39K 帧、7 个类别和 230K 个 3D 对象注释。对 A*3D 数据集进行广泛的 3D 对象检测基准评估，对高密度、白天 / 黑夜等各种属性给出了有趣的见解。

    Sep, 2019

  • Cityscapes 3D: 面向 9 自由度车辆检测的数据集和基准

    该研究提出一种基于单目 RGB 图像的三维车辆检测方法，为此创建了 Cityscapes 3D 数据集，包含了所有类型车辆的三维标注信息，使得与基于 lidar 的方法相比具有更高效率和更大范围的标注信息。此外，研究将 2D 实例分割与 3D 包围盒成对提供，以便多任务学习。这对自动驾驶技术有着很重要的意义。

    Jun, 2020

  • 3DRealCar：一个自然环境中的 RGB-D 汽车数据集，具备 360 度视角

    我们提出了第一个大规模的 3D 真实汽车数据集，名为 3DRealCar，具有高容量、高质量和高多样性的特点，以及可用于改进与汽车相关的各种 2D 和 3D 任务的潜力。

    Jun, 2024

  • 自动驾驶的 3D 物体检测综述

    本文旨在填补 3D 对象检测在自动驾驶中的知识空白，综述了相关领域的传感器、数据集、性能度量以及最新的检测方法，分析了其优劣，并进行了定量比较和案例研究，最后总结了研究成果和未来发展方向。

    Jun, 2021

  • KITTI-360：一种用于城市场景 2D 和 3D 理解的新型数据集和基准

    该研究旨在开发 KITTI-360 数据集，以促进计算机视觉、图形学和机器人学领域的研究，并为移动感知相关的多项任务提供基准和基线。

    Sep, 2021

  • 城市环境下车道实例分割数据集

    提出一种半自动化的方法，利用估计的 3D 道路平面投影所有图像序列中的标签，以实现图像序列的高效标注，平均每张图像的标注时间缩短到了 5 秒，无需使用昂贵的传感器设备，同时发布了一个包含 24,000 张图像的数据集并展示了实验结果。

    Jul, 2018

  • 自动驾驶中感知的可扩展性：Waymo 开放数据集

    该研究介绍了一种新的大规模、高质量、多样化的自动驾驶数据集，其中包含了各种城市和郊区地理环境中的 1150 个场景，数据标注为 2D 和 3D 框，而 2D 和 3D 检测和跟踪任务的基线也得到了提供。

    Dec, 2019

  • SKoPe3D: 交通监控摄像机中的车辆关键点感知的合成数据集

    智能交通系统革新了现代道路基础设施，车辆检测、车辆姿态估计、关键点检测以及 SKoPe3D 数据集的应用有望推动智能交通领域的发展。

    Sep, 2023

  • 利用预训练的 3D 物体检测模型实现快速标签生成

    本文介绍了一种新的标注方法，将人类监督与预训练的神经网络相结合，生成每个实例的三维点云分割，三维边界框和类别注释，以减少训练自动驾驶的 3D 物体检测器所需的任务复杂性和注释人员所需的任务切换量，实验结果表明，该方法相比传统方法减少了 30 倍人工标注时间。

    Jul, 2018