Jul, 2022

VTrackIt: 合成自动驾驶数据集与基础设施和车辆信息

PDF
TL;DR介绍了第一个综合智能基础设施和聚合车辆信息的综合数据集 VTrackIt，同时提出了第一个深度学习模型 InfraGAN 用于轨迹预测，取得了较好的效果。
autonomous vehiclesartificial intelligencesynthetic datasetvehicle-to-infrastructuredeep learning
发现论文，激发创造
  • IMPTC 数据集：基础设施下的多人轨迹和上下文数据集

    通过使用受智能公共城市交叉口内的视觉传感器技术的德国，加上多视角相机和雷达系统感知交通情况和道路用户的行为等多种传感器来收集数据，以完整掌握场景信息并提供基础训练算法，在自动交通中实现了文中所提出的智能公共城市交叉口，用以扩展驾驶员和车辆感知系统的感知能力，并且为自动交通的各种应用程序提供了底层数据支持。

    Jul, 2023

  • V2X-Seq: 车辆基础设施合作感知和预测的大规模序列数据集

    引入第一个大规模的连续 V2X 数据集 V2X-Seq，包括数据帧，轨迹，矢量地图和交通灯。基于该数据集，提出三个新的车辆基础设施协作自动驾驶任务：VIC3D 跟踪、在线和离线预测，并提供了这些任务的基准。

    May, 2023

  • DAIR-V2X: 用于车路协作三维物体检测的大规模数据集

    发布了第一个用于车路协同自动驾驶的真实场景多模态多视角数据集 DAIR-V2X，其中包括 71254 帧 LiDAR 和摄像头帧，是解决车路协同 3D 物体检测问题的一个基准，并提出了延迟融合框架 TCLF。

    Apr, 2022

  • TRoVE：将道路场景数据集转换成逼真的虚拟环境

    本研究提出了一种用已有数据集进行数据注释以生成多模态数据的方法，以优化智能车辆系统中的数据模拟，实现高保真模拟并增加样本多样性并成功改善了语义分割的实验效果。

    Aug, 2022

  • V2X-Real：一个大规模的车辆对一切协作感知数据集

    我们提出了一个具有多模态传感数据的数据集，以促进车辆与智能基础设施之间的协作感知发展，并通过合作感知方法的综合多类多智能体评估来支持研究。

    Mar, 2024

  • 第五届智慧城市挑战赛

    这篇研究论文介绍了人工智能城市挑战赛及其关于交通智能化方面的研究，用于推动智能视频分析在城市交通等领域的发展和提高算法性能以促进其在真实应用中广泛使用。

    Apr, 2021

  • 第四届 AI 城市挑战赛

    第四届 AI 城市挑战赛吸引了来自 37 个国家的 315 支参赛队伍，他们利用城市规模真实交通数据和高质量的合成数据竞争四个挑战赛道，结果表明 AI 技术能够使交通系统更加智能和安全。

    Apr, 2020

  • 基于深度学习的自动驾驶车辆异构流量数据集 ANNA

    通过创建新的数据集 ANNA 并借助神经网络，本研究评估了现有数据集在孟加拉交通场景下的不足，并证明了使用该数据集训练的模型在孟加拉交通情境下更精确和高效，强调了开发准确有效的物体检测算法对自动驾驶车辆发展的重要性。

    Jan, 2024

  • InfraParis：一个多模态多任务自动驾驶数据集

    当前自动驾驶计算机视觉的深度神经网络 (DNNs) 通常只依赖于特定数据集，涉及单一类型的数据和城市场景。这些模型难以处理新对象、噪声、夜间条件和多样化场景，但这对于安全关键应用非常重要。我们介绍了一个名为 InfraParis 的新颖多任务数据库，支持 RGB、深度和红外三种模式。我们评估了各种最先进的基准技术，包括语义分割、目标检测和深度估计的模型。

    Sep, 2023

  • Traffic-Net: 使用单个摄像头进行 3D 交通监控

    本研究提供了一个基于深度学习的实时交通监控平台，通过单个交通摄像头实现了车辆 / 行人检测、速度检测、轨迹估计、拥堵检测、以及车辆和行人交互的监测，同时使用短期和长期的时间视频数据流开发了分层交通模型解决方案，实现了对实际交通情况的监测。

    Sep, 2021