新的FogDrive数据集增强了在不同雾度条件下的自动驾驶感知能力

研究人员推出FogDrive，一个旨在提高自动驾驶感知系统在不同雾度条件下性能的新合成数据集。该数据集使用CARLA模拟器构建，包含同步的多模态传感器数据，如RGB、深度、语义分割、LiDAR和雷达。FogDrive利用物理原理系统地模拟了三种校准密度的雾，并为每个场景提供了匹配的清晰和多雾版本，用于对除雾和检测流程进行基准测试。对最先进架构的初步实验表明，在混合雾度密度下进行训练可以提高3D边界框的准确性，而不会增加数据成本，传统的图像质量指标对下游检测性能的预测能力较差。 AI

影响 该数据集旨在通过提供一种标准化的方法来测试各种雾度条件下的感知能力，从而提高自动驾驶系统的鲁棒性。

排序理由 该集群描述了一个新的学术数据集和相关的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• Beer-Lambert law
• BEVFusion
• CARLA
• Koschmieder model
• peak signal-to-noise ratio
• Structural Similarity Index Measure
• TransFusion
• YOLOv8-m

• 论文
• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →