【上海交通大学和商汤】RoboSense：用于多传感器低速自动驾驶的大规模数据集和基准

主要观点总结

本文介绍了一个用于多传感器低速自动驾驶的大规模数据集RoboSense。该数据集专注于近场场景理解，包括超过133K个同步数据，标注了1.4M个3D边界框和216K条轨迹。文章还描述了数据集的构建过程，包括基于三种主要传感器的多模态数据采集平台，以及灵活传感器配置的实现。此外，文章制定了6项主流任务，以促进近场环境感知和预测的研究发展。该数据集旨在用于近场障碍物感知和预测模型的专项研究。

关键观点总结

关键观点1: 数据集介绍

RoboSense数据集是一个用于多传感器低速自动驾驶的大规模数据集，专注于近场场景理解。

关键观点2: 数据内容

数据集包含超过133K个同步数据，标注了1.4M个3D边界框和216K条轨迹，覆盖6种主要场景类别。

关键观点3: 传感器配置

数据集的构建基于多模态数据采集平台，支持灵活的传感器配置，包括相机、鱼眼和激光雷达。

关键观点4: 主要任务与贡献

文章制定了6项主流任务，以促进近场环境感知和预测的研究发展。主要贡献包括构建首个专注于近场场景理解的数据集，制定详细的数据分析和基准。