IAMCV Multi-Scenario Vehicle Interaction Dataset

高质量传感器数据的获取和分析是塑造完全自主驾驶系统发展的基本要求。这个过程对提高道路安全和确保汽车工业技术进步的有效性至关重要。本研究介绍了Interaction of Autonomous and Manually-Controlled Vehicles（IAMCV）数据集，这是一个专注于车辆间交互的新颖且广泛的数据集。该数据集采用了一系列先进的传感器，如激光雷达、摄像头、惯性测量单元/全球定位系统和车辆总线数据采集，提供了包括环形交叉口、十字路口、乡村道路和高速公路在内的真实驾驶场景的全面表现，并记录在德国的不同地点。此外，本研究通过几个概念验证用例展示了IAMCV数据集的多功能性。首先，一个非监督的轨迹聚类算法说明了数据集在无需标记训练数据的情况下对车辆运动进行分类的能力。其次，我们使用数据集中捕获的图像比较了在线摄像机校准方法和基于ROS（Robot Operating System）的标准方法。最后，进行了使用YOLOv8目标检测模型的初步测试，并对目标检测在不同LIDAR分辨率下的可转移性进行了反思。这些用例强调了所收集数据集的实际实用性，强调了它在智能车领域推进研究和创新的潜力。

论文旨在解决自动驾驶系统中获取和分析高质量传感器数据的问题，以提高道路安全并确保汽车行业技术进步的有效性。

引入Interaction of Autonomous and Manually-Controlled Vehicles（IAMCV）数据集，该数据集集中于车辆之间的交互，并使用各种传感器进行记录，包括LIDAR、相机、IMU/GPS和车辆总线数据采集，提供了真实世界驾驶场景的全面表示。

论文展示了IAMCV数据集的多种用途，包括无监督轨迹聚类算法、在线相机校准方法和YOLOv8目标检测模型的初步测试。IAMCV数据集的实用性得到了证明，并强调了其在智能车领域推动研究和创新的潜力。

最近的相关研究包括：1. Waymo Open Dataset：一种用于自动驾驶研究的大规模传感器数据集；2. ApolloScape：一个多模态的自动驾驶数据集和基准测试平台。