廣告
CODA：自動駕駛中道路目標(biāo)檢測的極端情況數(shù)據(jù)集
2022年3月arXiv論文“CODA: A Real-World Road Corner Case Dataset for Object Detection in Autonomous Driving“，華為和香港、廣州兩所大學(xué)一起發(fā)表。
大多數(shù)現(xiàn)有的檢測器無法檢測到不常見的目標(biāo)和極端情況（例如，狗過馬路），在某些情況下可能導(dǎo)致嚴(yán)重事故，使得可靠自動駕駛的實際應(yīng)用時間表變得不確定。阻礙開發(fā)真正可靠的自動駕駛系統(tǒng)的一個主要原因是缺乏公共數(shù)據(jù)集來評估極端情況下目標(biāo)檢測器的性能。因此這里引入了一個CODA的挑戰(zhàn)性數(shù)據(jù)集，該數(shù)據(jù)集揭示了基于視覺檢測器的關(guān)鍵問題。該數(shù)據(jù)集由 1500 個精心挑選的真實世界駕駛場景組成，每個場景包含四個目標(biāo)級的極端案例（平均），跨越 30 多個目標(biāo)類別。在大規(guī)模自動駕駛數(shù)據(jù)集上訓(xùn)練的標(biāo)準(zhǔn)目標(biāo)寄存器在CODA的mAR表現(xiàn)顯著下降到不超過12.8%。
此外，采用最先進(jìn)的開放世界目標(biāo)檢測器進(jìn)行實驗，發(fā)現(xiàn)無法可靠地識別CODA中的新目標(biāo)，這表明用于自動駕駛的強(qiáng)大感知系統(tǒng)可能還遙不可及。CODA數(shù)據(jù)集期望能促進(jìn)對真實世界自動駕駛可靠檢測的進(jìn)一步研究。
數(shù)據(jù)集網(wǎng)址：https://coda-dataset.github.io
如圖是CODA和其他公開數(shù)據(jù)集的檢測結(jié)果比較：
該圖是CODA的一些例子：
CODA中場景是從三個大型自動駕駛數(shù)據(jù)集中精心挑選的：KITTI 、nuScenes 和ONCE，一共為CODA貢獻(xiàn)了1500個不同的場景，每個場景至少包含一個對自動駕駛汽車或其周圍生活和資產(chǎn)有害的目標(biāo)級極端案例。極端情況通?？梢苑譃?個超級類別：車輛，行人，騎自行車，動物，交通設(shè)施，障礙物和雜項，如圖列出的是下面34個細(xì)分類別：
用于確定目標(biāo)是否為極端情況的主要標(biāo)準(zhǔn)如下：
-
風(fēng)險：目標(biāo)阻擋或即將阻擋自動駕駛汽車的潛在路徑。不在道路上的靜態(tài)目標(biāo)，如樹木和建筑物，不被視為阻擋。
-
新穎性：該目標(biāo)不屬于任何通用類的通用駕駛基準(zhǔn)，或者它是通用類的新實例。為簡單起見，把SODA10M的類作為通用類。
CODA的數(shù)據(jù)集建設(shè)分兩個主要階段進(jìn)行。第一階段是自動生成提議，從初始數(shù)據(jù)中識別潛在的極端情況，然后第二階段，手動選擇和標(biāo)記過程，消除提議誤報，對剩余的真目標(biāo)進(jìn)行分類，同時調(diào)整其邊框使其更精確。
下圖是用于生成極端案例提議（COPG）的流水線。流水線輸入是給定場景的點云和圖像。點云用于計算（a），而圖像（b）用于生成（c）和（d），這有助于刪除無效的提議。輸出（g）是一組邊框，指示圖像中提議的極端情況。
下表是與其他道路異常數(shù)據(jù)集的比較。與CODA相比，其他數(shù)據(jù)集要么是合成的，要么是小規(guī)模的。BDD-Anomaly （v1） 是現(xiàn)實世界中最大的一個道路異常集，盡管它在實例數(shù)量上與 CODA 相當(dāng)，但只包含兩個目標(biāo)類。
下表是CODA上的檢測結(jié)果：
下圖是COPG的提議和標(biāo)注例子：
下表是COPG和其他非正常/目標(biāo)檢測器的評估：
廣告 編輯推薦
最新資訊
-
開年豪擲1.8億搶用戶，又一車企加入“價格
2026-03-04 16:05
-
聯(lián)合國法規(guī)R60對兩輪車操縱件與指示裝置的
2026-03-04 12:08
-
標(biāo)準(zhǔn)立項|《汽車異種材料鉚接接頭拉伸性能
2026-03-04 11:40
-
“汽車大角度座椅 第1部分：通用要求”將有
2026-03-04 11:39
-
“汽車大角度座椅 第2部分：可靠性要求”將
2026-03-04 11:39
