MAN TruckScenes: A multimodal dataset for autonomous trucking in diverse conditions

自动驾驶卡车是一项有前途的技术，能够对现代物流和环境产生巨大影响。确保其在公共道路上的安全是其中的主要职责之一，需要准确感知环境。为了实现这一目标，机器学习方法依赖于大型数据集，但迄今为止，尚无此类数据集可用于自动驾驶卡车。在本文中，我们介绍了MAN TruckScenes，这是第一个用于自动驾驶卡车的多模态数据集。MAN TruckScenes首次让研究界接触到卡车特有的挑战，例如挡板遮挡、新颖的传感器视角和终端环境。它包括超过740个不同环境条件下的20秒场景。传感器组包括4个相机、6个激光雷达、6个雷达传感器、2个IMU和高精度GNSS。数据集的3D边界框是手动注释的，并经过仔细审核以达到高质量标准。边界框适用于27个对象类、15个属性和超过230m的范围。场景根据34个不同的场景标签进行标记，并在整个场景中跟踪所有对象，以促进广泛的应用。此外，MAN TruckScenes是第一个提供360度覆盖的4D雷达数据，因此是带有注释的3D边界框的最大雷达数据集。最后，我们提供了广泛的数据集分析和基线结果。该数据集、开发工具包等均可在线获取。

解决问题：论文旨在提供第一个适用于自动驾驶卡车的多模态数据集，以帮助解决自动驾驶卡车在公共道路上的安全问题。

关键思路：论文提供了一个名为MAN TruckScenes的数据集，其中包含了卡车特定的挑战，如拖车遮挡、新型传感器视角和终端环境。该数据集包含多达740个场景，具有高质量的手动注释的3D边界框，涵盖超过230米的距离范围。

其他亮点：该数据集提供了4D雷达数据，具有360度覆盖范围，并且是带注释的最大雷达数据集。论文还提供了广泛的数据集分析和基准结果。数据集、开发工具包等均可在网上获得。

相关研究：最近的相关研究包括：1）KITTI数据集，用于自动驾驶汽车的视觉定位和3D物体检测；2）nuScenes数据集，用于自动驾驶汽车的感知和决策任务；3）ApolloScape数据集，用于自动驾驶汽车的视觉感知任务。