DAIR-V2X: Um Conjunto de Dados em Grande Escala para Detecção Cooperativa de Objetos 3D Veículo-Infraestrutura

A condução autônoma enfrenta grandes desafios de segurança devido à falta de uma perspectiva global e à limitação das capacidades de percepção de longo alcance. Todo mundo concorda amplamente que a cooperação veículo-infraestrutura é necessária para alcançar a autonomia de Nível 5. No entanto, ainda não existe um conjunto de dados de cenários reais disponível para pesquisadores de visão computacional trabalharem em problemas relacionados à cooperação veículo-infraestrutura. Para acelerar a pesquisa e a inovação em visão computacional para Condução Autônoma Cooperativa Veículo-Infraestrutura (VICAD), lançamos o Conjunto de Dados DAIR-V2X, que é o primeiro conjunto de dados em grande escala, multimodal e multivisão proveniente de cenários reais para VICAD. O DAIR-V2X compreende 71254 quadros de LiDAR e 71254 quadros de câmera, e todos os quadros são capturados de cenas reais com anotações 3D. O problema da Detecção Cooperativa de Objetos 3D Veículo-Infraestrutura (VIC3D) é introduzido, formulando o problema de localizar e identificar colaborativamente objetos 3D usando entradas sensoriais tanto do veículo quanto da infraestrutura. Além de resolver problemas tradicionais de detecção de objetos 3D, a solução do VIC3D precisa considerar o problema de assincronia temporal entre os sensores do veículo e da infraestrutura, assim como o custo de transmissão de dados entre eles. Além disso, propomos a Compensação de Tempo pela Fusão Tardia (TCLF), uma estrutura de fusão tardia para a tarefa VIC3D como um benchmark baseado no DAIR-V2X. Encontre dados, código e mais informações atualizadas em https://thudair.baai.ac.cn/index e https://github.com/AIR-Thu/dair-V2x.