足球比赛结果 自动驾驶汽车开发的地面实况数据收集

福特汽车。

问题

用于评估检测、分类和跟踪算法的现有数据集 行人和骑自行车的人仅包含光学图像。即使在这些评价数据中 集,没有对其位置和轨迹的独立测量。参考文献 [2-5]

项目目标

开发一组适合评估的经验数据(摄像头、雷达和激光雷达) 检测、分类和跟踪行人和骑自行车者的系统。

方法

使用自动驾驶车辆收集多传感器数据,并独立收集测量结果 场景中的其他演员,同时与实时动能校正卫星 导航系统。参考文献[6-10]

人们在人行横道过马路。
有少量汽车和行人的十字路口。

影响

研究人员可以使用该数据集来评估算法的性能 针对数据集并与地面比较检测、分类和轨迹 真相解决方案。

2018 年 4 月 10 日至 12 日,美国密歇根州底特律  

摘要

这项研究的目的是收集一组传感器的测量结果, 为自动驾驶车辆选择,以及可以使用的地面实况数据 用于算法的开发和评估。收集了真实数据 独立于车辆传感器,以便对系统进行客观评估 性能。在各种场景中,旨在融入现实世界的交互 对于有骑自行车者和行人的车辆,传感器收集测量结果 多辆自动驾驶车辆上的套房。骑自行车者的位置测量 行人则通过不同方式被收集。所有测量都是同步的 为协调世界时 (UTC)。在大多数情况下,实时动态接收器 骑自行车者和行人实现 RTK 固定或 RTK 浮动精度,从而 误差分别约为几厘米或几分米。 

覆盖在 Mcity 图像上的轨迹。

参考文献

张珊珊、罗德里戈·贝南森、穆罕默德·奥姆兰、扬·霍桑和伯恩特·席勒。 2017年。 “在行人检测方面达到人类的表现。” IEEE 会刊 模式分析和机器智能。 doi:10.1109/TPAMI.2017.2700460.

贝南森、罗德里戈、穆罕默德·奥姆兰、扬·霍桑和伯恩特·席勒。 2015.“十年 行人检测,我们学到了什么?”在计算机科学讲义中 (包括《人工智能》的子系列讲义和《人工智能》的讲义) 生物信息学)。 doi:10.1007/978-3-319-16181-5_47.

Chakraborty、Avishek、Victor Stamatescu、Sebastien C Wong、Grant Wigley 和 David 卡尼.日期不详。 “用于评估多类多对象性能的数据集 视频跟踪。”

Dollár、Piotr、Christian Wojek、Bernt Schiele 和 Pietro Perona。日期不详。 “行人 检测:基准。”

张珊珊、罗德里戈·贝南森、穆罕默德·奥姆兰、扬·霍桑和伯恩特·席勒。 2016年。 “我们距离解决行人检测问题还有多远?” doi:10.1109/CVPR.2016.141。 

李、T 和 J 王。 2012.“关于 GNSS 整数模糊度验证方法的一些评论”。 调查回顾。 doi:10.1179/1752270611Y.0000000027.

Piotraschke,哈根 F. n.d. “RTK Für Arme -Hochpräzise GNSS-Anwendungen Mit Den Kostengünstigsten Trägerphasen-Rohdatenempfängern。”

赛卡斯,迪米特里奥斯-瓦西里奥斯。日期不详。 《精确点的精度提高技术》 使用多个 GNSS 星座的定位方法。” doi:10.13140/RG.2.1.1386.5365.

维斯涅夫斯基、巴托什、克日什托夫·布鲁涅茨基和马雷克·莫辛斯基。 2013.“评估 RTKLIB 使用低成本 GNSS 接收器和 ASG-EUPOS 的定位精度。”运输导航, 国际海洋导航和海上运输安全杂志。 doi:10.12716/1001.07.01.10.

“RTKLIB 中的 PPP 歧义解决实施 v 2.4.2 RTKLIB 中的实施 v 2.4.2”。日期不详