Categories
程式開發

全球首個針對寒冷環境的自動駕駛數據集發布,包含56000張圖像


來自初創公司Scale AI及其團隊的研究者們相信:無人駕駛汽車有望改善機動性,建立更高效的交通系統,甚至挽救生命。儘管自動駕駛行業近些年來已經取得了長足的進步,但是,研究人員仍然在努力開發能夠應對所有天氣條件的汽車和AI模型。

許多駕駛員都知道,雨天、雪天、大霧等極端天氣會導致車輛難以正常行駛,這些問題同樣存在於自動駕駛領域,尤其是寒冷天氣,自動駕駛車輛的行駛會尤其困難,因為下雪會影響關鍵的硬件和為其提供動力的AI算法。

比如,積雪覆蓋道路標記將使自動駕駛系統難以識別;此外,積雪會大大降低色彩對比度,使系統更難以識別物體,例如樹木或被停在路邊被雪覆蓋的汽車甚至行人;最重要的是,降雪使車輛的攝像頭和LiDAR傳感器難以看清,使得安全性大大降低。

人類駕駛員可以憑藉經驗在任何天氣下駕駛,但是AI模型卻無法學習人類的經驗,因此,模型需要更多的數據。

多倫多滑鐵盧大學和AI實驗室(TRAIL)和滑鐵盧大學的滑鐵盧智能係統工程實驗室(WISE Lab)共同創建了自動駕駛平台Autonomoose,聯合實驗室於過去兩年的冬天在安大略省西南部嚴酷、多雪的條件下行駛20公里得出了一些數據,Scale AI提供了註釋,可以方便研究人員使用。

在Scale AI的官方博客,研究人員們開放了數據集Canadian Adverse Driving Conditions Dataset(CADC)的源代碼,該數據集包含了:

  • 56,000張相機圖像;
  • 7,000次LiDAR掃描;
  • 75個場景,每個場景50-100幀;
  • 10個註釋類;
  • 完整的傳感器套件:1個LiDAR,8個攝像頭,後處理GPS / IMU;
  • 不利的天氣駕駛條件,包括下雪等天氣;

全球首個針對寒冷環境的自動駕駛數據集發布,包含56000張圖像 1

數據集包​​含的標註

滑鐵盧大學和多倫多大學的研究人員還發布了詳細的學術論文,概述了所收集數據的技術特徵和所提供的物體檢測標籤,感興趣的讀者可以在arXiv上進行查看