相关实验视频
Updated: Sep 15, 2025
06:54
Photorealistic Learned Landscapes for Augmented Reality
Published on: June 27, 2025
177
作为占用和重建的场景:用于理解非结构化的场景的全面数据集
Long Chen1,2, Ruiqi Song1,3,2, Hangbin Wu4
1Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China.
Scientific data
|July 15, 2025
概括
一个新的数据集解决了在非结构化环境中自动驾驶数据的缺乏问题. 它可以改善对不规则障碍物和道路表面的感知和规划,提高安全性和舒适性.
科学领域:
- 机器人和人工智能 机器人和人工智能
- 计算机视觉 计算机视觉
- 自主系统 自主系统
背景情况:
- 自动驾驶技术正在向大规模商业化迈进,安全和舒适是关键性能指标.
- 当前的研究往往侧重于城市驾驶,忽视了带有不规则障碍物和道路波的非结构化场景.
- 对于非结构化环境的现有数据集和研究很少,这限制了强大的自主系统的发展.
研究的目的:
- 引入世界上第一个全面的基准数据集,用于在非结构化的场景中的感知.
- 为了促进自动驾驶应用在城市环境之外的扩展.
- 通过增强场景理解来提高自动驾驶的安全性和舒适性的研究.
主要方法:
- 开发一种新的感知数据集,专门设计用于非结构化的场景.
- 包含详细的注释,用于3D语义占用预测,以检测不规则的障碍.
- 包括道路表面的升高重建,以描述道路表面的条件.
主要成果:
- 该数据集为3D语义占用率预测和道路表面高度重建提供了全面的注释.
- 包括轨迹和速度规划信息,以将感知与规划联系起来.
- 使用最先进方法的实验验验证了数据集的有效性,并突出了任务挑战.
结论:
- 这一数据集是推进非结构化环境中自动驾驶技术的宝贵资源.
- 它解决了在复杂的越野场景中对数据的关键需求.
- 该基准有助于对自动驾驶汽车的感知,规划和决策解释性进行研究.
