Jan, 2024

自动驾驶数据集综述：数据统计、标注和展望

PDF
TL;DR自动驾驶发展迅速，硬件和深度学习方法的新进展表现出了良好的性能，高质量的数据集对于开发可靠的自动驾驶算法至关重要。本研究全面调查了 200 多个自动驾驶数据集的多个方面，并引入了一种新的评估指标来评估每个数据集的影响，为建立新的数据集提供了指导。此外，还分析了数据集的注释过程和质量，并对几个重要数据集的数据分布进行了深入分析。最后，讨论了未来自动驾驶数据集的发展趋势。
发现论文，激发创造
  • 自动驾驶决策数据集调查

    该研究对自主驾驶车辆的决策制定模块进行了探讨，提出了数据驱动决策制定方法的重要性，并对车辆、环境和驾驶员状况的数据进行了比较和总结，进一步总结了数据集的潜在应用及未来发展趋势。

    Jun, 2023

  • 自动驾驶的合成数据集：一项调查

    本研究综述了合成数据集生成方法的演变，并回顾了应用于自动驾驶研究的单任务和多任务合成数据集的相关工作，讨论了其在自动驾驶相关算法测试中的作用，尤其是在可信性和安全性方面。此外，该综述还讨论了合成数据集在自动驾驶技术实际部署方面的问题，并提供了一种可能的解决方案。

    Apr, 2023

  • 自动驾驶中的开源数据生态系统：现状与未来

    通过系统考察当前两代自动驾驶数据集，本综述提供关于高质量数据集创建原则、数据引擎系统的关键作用，以及采用生成式基础模型促进可扩展数据生成等方面的见解。此外，本综述还详细分析了第三代自动驾驶数据集应具备的特征和数据规模，并深入探讨需要解决的科学和技术挑战，以推动自主创新和关键领域的技术提升。

    Dec, 2023

  • 自动驾驶行驶可靠性评估的因素、挑战和数据集概述

    本文探讨自主驾驶的驾驶能力问题，提出一个框架以确定影响驾驶能力的因素，对目前 45 个公共自驾数据集进行了对比分析，并呼吁更多集中的数据采集和创新驾驶能力度量标准的提出。

    Nov, 2018

  • 自动驾驶车辆的计算机视觉问题、数据集和现状

    本研究通过对 AI，计算机视觉和自动驾驶领域进行综述，提出了本领域的问题，数据集和方法，分析了当前的研究状况和历史上最重要的文献，包括自动驾驶的认知，重构，运动估计，跟踪，场景理解和端到端学习，并分析了在 KITTI，MOT 和 Cityscapes 等数据集上的性能，讨论了该领域的挑战和未来方向。

    Apr, 2017

  • 自动驾驶中的协同感知数据集调查

    本研究综述了车辆对基础设施（V2I）、车辆对车辆（V2V）和车辆对一切（V2X）的协作感知数据集，重点关注用于自动驾驶车辆感知任务的大规模基准的最新发展。该论文系统地分析了各种数据集，比较了它们在多样性、传感器设置、质量、公开可用性和对下游任务的适用性等方面，同时突出了领域转移、传感器设置限制以及数据集多样性和可用性方面的关键挑战。强调了在数据共享和数据集创建方面解决隐私和安全问题的重要性。结论强调了需要全面、全球可访问的数据集以及技术和研究社区的协作努力来克服这些挑战，并充分发挥自动驾驶的潜力。

    Apr, 2024

  • 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

  • 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

  • 自动驾驶深度学习技术综述

    本文旨在调查深度学习技术在自驾车领域中的最新进展及其强项与局限性，涵盖了基于人工智能的自动驾驶架构、卷积和循环神经网络、深度强化学习范式等内容，以及感知、路径规划、行为仲裁和运动控制算法。同时，重点探讨了当今在设计自动驾驶人工智能架构中所面临的挑战，如安全性、训练数据源和计算硬件等。

    Oct, 2019

  • 基于场景和能力驱动的数据集开发与评估：无地图自动驾驶情景下的一种方法

    我们提出了一种基于场景和能力的数据集开发方法，通过 ISO 21448 和 ISO/TR 4804 的原则，便于结构化地推导出数据集需求，从而克服了现有车道检测数据集在真实世界适用性、关键特征标注和复杂驾驶操作全面信息缺失等方面的显著局限性。

    Apr, 2024