MEVDT:基于事件的多模式车辆检测和跟踪数据集.
Zaid A El Shair1, Samir A Rawashdeh1
1Department of Electrical and Computer Engineering, University of Michigan-Dearborn, 4901 Evergreen Rd, Dearborn, 48128 MI, USA.
Data in brief
|January 13, 2025
概括
一个新的数据集,基于多模式事件的车辆检测和跟踪 (MEVDT),为先进的车辆检测和跟踪研究提供同步的事件和图像数据. 本资源有助于开发和评估用于汽车环境的算法.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 汽车工程 汽车工程
背景情况:
- 基于事件的摄像机在高动态范围和高速场景中提供了优势.
- 现有的数据集缺乏同步的多模式数据,以进行强大的车辆检测和跟踪.
- 开发先进的算法需要高质量的,现实世界的注释数据集.
研究的目的:
- 介绍基于多模式事件的车辆检测和跟踪 (MEVDT) 数据集.
- 为交通场景提供同步的事件数据和灰度图像流.
- 促进汽车应用基于事件视觉的研究.
主要方法:
- 使用了一个动态和主动像素视觉传感器 (DAVIS) 240c摄像头.
- 捕获了63个多模式序列,包括图像和事件数据.
- 手动注释的24赫兹基准真理标签,包括对象分类,边界框和ID.
主要成果:
- 该MEVDT数据集包含大约13k图像,5M事件和10k对象标签.
- 包括85个独特的对象跟踪轨迹,带有像素精确的注释.
- 为训练和评估对象检测和跟踪算法提供了一个全面的资源.
结论:
- MEVDT解决了对基于事件视觉的高质量,现实世界的注释数据集的需求.
- 该数据集使自动驾驶汽车检测和跟踪算法的进步成为可能.
- 促进了汽车环境更强大,更有效的感知系统的开发.


