Jan, 2023

Argoverse2：面向自动驾驶感知和预测的下一代数据集

PDF
TL;DRArgoverse 2 是一套适用于自动驾驶领域的三个数据集，包含多模态数据，如高分辨率图像，种类繁多的 3D 标注，未标注的 lidar 点云等，为 3D 感知模型的训练和评估提供了充足的数据和场景，并提供了自我监督和云点预测等新的数据学习任务。
发现论文，激发创造
  • Argoverse: 富含地图的 3D 跟踪和预测

    Argoverse 是包含 HD 地图的自动驾驶数据集，通过提供详细的地图信息，如车道方向、可行车道区域和地面高度，提高了 3D 目标跟踪和动态预测的准确性。

    Nov, 2019

  • 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

  • aiMotive Dataset：具有远程感知的强健自动驾驶多模态数据集

    该研究介绍了一个多模态数据集，其中包括雷达、相机和激光雷达，以提高自主驾驶汽车的稳健性和长程感知并训练 3D 物体检测模型，并在 GitHub 上提供数据。

    Nov, 2022

  • 面向自动驾驶的大规模交互式运动预测：Waymo 开放运动数据集

    该研究介绍了当前最全面的交互式动作数据集，包含超过 100,000 个场景，用于发展动作规划模型与提供强大的基线模型来对单独或多个交互式对象进行预测，并提供了新的度量方法。

    Apr, 2021

  • nuScenes：自动驾驶的多模态数据集

    本文介绍了 nuTonomy 场景数据集，其中包含了自动驾驶车辆所有的传感器：6 个相机，5 个雷达和 1 个激光雷达，每个场景长达 20 秒，并标注了 23 个类别和 8 个属性的三维边界框。同时，定义了新的 3D 检测和跟踪指标，并提供了激光雷达和基于图像的检测和跟踪的基线。

    Mar, 2019

  • Argoverse 统一传感器基础上的检测、跟踪和预测技术报告

    我们的 Le3DE2E 解决方案用于统一的基于传感器的检测、跟踪和预测，在 CVPR 2023 无人驾驶研讨会（WAD）上的 Argoverse 挑战中展示。我们提出了一个统一的网络，包括检测、跟踪和预测三个任务。该解决方案采用了 Bird's Eye View（BEV）编码器，并进行了时空融合，生成用于多任务的统一表示。该解决方案在 Argoverse 2 传感器数据集上进行了测试，评估了 26 个物体类别的检测、跟踪和预测。我们在 Argoverse Challenges 的 E2E Forecasting 赛道上获得了检测、跟踪和预测的第一名。

    Nov, 2023

  • PandaSet：自动驾驶高级传感器套件数据集

    介绍了 PandaSet 数据集，包含了使用多种 LiDAR 和摄像头采集的适用于自动驾驶对象检测和语义分割的高质量数据。

    Dec, 2021

  • 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

  • 一千零一小时：自动驾驶运动预测数据集

    本文介绍了迄今为止最大的自动驾驶运动预测数据集，其中包括来自 20 辆自动驾驶车辆在 Palo Alto, California 沿固定路线收集的超过 1000 小时的数据，可帮助提高自动驾驶领域的性能。

    Jun, 2020

  • Zenseact 开放数据集：一种用于自动驾驶的大规模和多样化的多模态数据集

    Zenseact Open Dataset (ZOD) 是一种大规模且多样化的自动驾驶数据集，采集了两年时间在欧洲各地的数据，涵盖了比现有数据集多 9 倍的区域，并支持长距离感知和多任务学习。该数据集是通过各种帧、序列和驱动器收集的，为传感器融合、本地化和建图提供了支持。

    May, 2023