全球首个针对寒冷环境的自动驾驶数据集发布,包含 56000 张图像

阅读数:4 2020 年 2 月 4 日 16:58

全球首个针对寒冷环境的自动驾驶数据集发布,包含56000张图像

来自初创公司 Scale AI 及其团队的研究者们相信:无人驾驶汽车有望改善机动性,建立更高效的交通系统,甚至挽救生命。尽管自动驾驶行业近些年来已经取得了长足的进步,但是,研究人员仍然在努力开发能够应对所有天气条件的汽车和 AI 模型。

许多驾驶员都知道,雨天、雪天、大雾等极端天气会导致车辆难以正常行驶,这些问题同样存在于自动驾驶领域,尤其是寒冷天气,自动驾驶车辆的行驶会尤其困难,因为下雪会影响关键的硬件和为其提供动力的 AI 算法。

比如,积雪覆盖道路标记将使自动驾驶系统难以识别;此外,积雪会大大降低色彩对比度,使系统更难以识别物体,例如树木或被停在路边被雪覆盖的汽车甚至行人;最重要的是,降雪使车辆的摄像头和 LiDAR 传感器难以看清,使得安全性大大降低。

人类驾驶员可以凭借经验在任何天气下驾驶,但是 AI 模型却无法学习人类的经验,因此,模型需要更多的数据。

多伦多滑铁卢大学和 AI 实验室(TRAIL)和滑铁卢大学的滑铁卢智能系统工程实验室(WISE Lab)共同创建了自动驾驶平台 Autonomoose,联合实验室于过去两年的冬天在安大略省西南部严酷、多雪的条件下行驶 20 公里得出了一些数据,Scale AI 提供了注释,可以方便研究人员使用。

在 Scale AI 的官方博客,研究人员们开放了数据集 Canadian Adverse Driving Conditions Dataset (CADC)的源代码,该数据集包含了:

  • 56,000 张相机图像;
  • 7,000 次 LiDAR 扫描;
  • 75 个场景,每个场景 50-100 帧;
  • 10 个注释类;
  • 完整的传感器套件:1 个 LiDAR,8 个摄像头,后处理 GPS / IMU;
  • 不利的天气驾驶条件,包括下雪等天气;

全球首个针对寒冷环境的自动驾驶数据集发布,包含56000张图像

数据集包含的标注

滑铁卢大学和多伦多大学的研究人员还发布了详细的学术论文,概述了所收集数据的技术特征和所提供的物体检测标签,感兴趣的读者可以在 arXiv 上进行查看

评论

发布