基于单目3D目标检测的路侧数据集（CVPR 2022 |
您所在的位置：网站首页 › 单侧检验有哪些 › 基于单目3D目标检测的路侧数据集（CVPR 2022 |
基于单目3D目标检测的路侧数据集（CVPR 2022
|
数据集（中文介绍）：https://thudair.baai.ac.cn/rope 论文标题：Rope3D: TheRoadside Perception Dataset for Autonomous Driving and Monocular 3D Object Detection Task 论文链接：https://arxiv.org/abs/2203.13608 详细内容请去数据集官网https://thudair.baai.ac.cn/rope查看 1. Rope3D目标检测路侧单目3D检测与传统自动驾驶3D检测任务相比，本任务需要解决3个难点。首先，由于路侧相机具有不同的配置，例如相机内参数、俯仰角、安装高度，因此存在歧义性，这在很大程度上增加了单目3D检测任务的难度。 其次，由于路侧相机安装在杆子上，而不在车顶的正上方，因此相机光轴与地面平行的假设不再成立，无法直接应用具有此先验的单目3D 检测方法。 第三，由于路侧视角下的感知范围更大，能观察到更多的物体，增加了感知系统的密度和难度。所有这些差异都表明了直接应用大多数现有的 3D 检测方法不可行。因此，需要将现有的单目 3D 检测方法改进后适配到路侧应用，提升感知精度。 问题建模 输入：路端数据（图像），以及标定文件输出：路端感兴趣区域内的障碍物目标类别、3D位置、长宽高、朝向等优化目标：提高算法在测试集上的3D目标检测精度评测指标 目标检测精度(mAP)：针对车辆、行人等不同类别目标，计算3D 边界框的尺寸、 位置和置信度， 基于不同的IoU阈值计算检测精度(Average Precision, AP) ，最终计算所有类别AP的平均值（mean Average Precision, mAP）
2. 数据采集
采集设备 路侧数据采集传感器有两种，一种是安装在路灯杆上或红绿灯杆上的路侧相机，另一种是安装在停放或者行驶的车辆上的LiDAR，用于获取同一场景的3D点云。对于传感器同步，我们采用最近时间匹配策略找到图像和点云对，时间误差控制在5毫秒内。 lidar： 传感器类型：(1) HESAI Pandar 40P 40线激光雷达，采样帧率为10/20Hz，探测距离精度 |
【本文地址】
今日新闻 |
推荐新闻 |