自動運転データセット2026/9/11arXiv:2609.12871

カメラ・LiDAR・レーダーとスキャン3Dモデルを備えたマルチビークルデータセット：RTK-GNSSによるカスタム自動アノテーション向け

A Multi-Vehicle Dataset with Camera, LiDAR, and Radar Sensors and Scanned 3D Models for Custom Auto-Annotation using RTK-GNSS

シェア:X Threads Facebook LINE はてブ Bluesky

自動運転の知覚アルゴリズム評価用に、7台の対象車両のスキャン3DモデルとRTK-GNSSによる姿勢・運動情報を提供するマルチセンサデータセットを構築し、遮蔽や反射などの測定効果を評価可能にした。

詳しい要約

1. どんなもの？

- カメラ、LiDAR、RadarセンサーとRTK-GNSSによる車両のスキャン3Dモデルを含むマルチビークルデータセット。 - 自動運転の知覚アルゴリズム開発向けに、センサー測定データと注釈参照情報を関連付ける。 - 対象車両7台の単一物体および複数物体記録を含み、任意時点での動的環境の状態を把握可能。 - ユーザー定義の粒度で参照形式を計算でき、オクルージョンや反射などの測定効果を評価できる。

2. 先行研究と比べてどこがすごい？

- 従来のデータセットはセマンティックセグメンテーション、点対応、バウンディングボックス注釈が一般的。 - 本データセットは測定原理の評価を深掘りし、全車両のスキャン3DモデルとRTK-GNSSによる姿勢・連続キネマティクス参照を提供。 - これにより、センサー車両の完全な動的周囲の状態が任意時点で既知となり、従来より詳細な参照が可能。 - オクルージョンや反射の評価が可能な点が先行研究と異なる。

3. 技術・手法の肝は？

- RTK-GNSSを用いて車両の姿勢と連続キネマティクス参照を取得。 - 全車両のスキャン3Dモデルを提供し、形状の法線が既知。 - カメラ、LiDAR、Radarセンサーを組み合わせてデータを収集。 - 単一物体および複数物体の記録を含み、ユーザー定義の粒度で参照形式を計算可能。

4. どうやって有効だと検証した？

- データセットの説明と技術的背景を述べ、例示的な評価を簡単に提示。 - 具体的な検証方法や評価結果の詳細は要旨からは不明。

5. 議論はある？

- オクルージョンや反射などの測定効果の評価が可能であると議論。 - その他の議論や限界については要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、KITTI、nuScenes、Waymo Open Datasetなどの自動運転データセットが挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Philipp Berthold, Bianca Forkel, Mirko Maehlisch

分類: cs.RO, cs.AI, cs.CV, cs.LG

原文アブストラクト

Datasets are a crucial element in the development of perception algorithms. They relate sensor measurement data to annotated reference information and allow for the deduction of sensor and object characteristics. In autonomous driving, the reference data commonly consist of semantic image segmentation, point-wise associations, or bounding box annotations. The dataset proposed in this work, however, aims to dig deeper into the evaluation of measurement principles and provides scanned 3D models of all vehicles together with a pose and continuous kinematics reference obtained by RTK-GNSS. Combined, the state of the complete dynamic surrounding of the sensor vehicle is known for any point in time. Subsequent reference formats can be easily computed in user-defined granularity. This dataset involves single-object and multi-object recordings with seven target vehicles. In particular, measurement effects such as occlusion, as well as reflections, can be evaluated, as the normals of the shape of the target vehicles are known. We describe the dataset, discuss the technical background of its development, and briefly present exemplary evaluations.

arXivで原文を読む →arXiv概要ページ