RCooper: A Real-world Large-scale Dataset for Roadside Cooperative Perception

近年来，路侧感知的价值逐渐变得更加突出和认可，它能够扩展自动驾驶和交通管理的边界。然而，现有的路侧感知方法只关注单一基础设施传感器系统，由于感知范围有限和盲区的存在，无法实现对交通区域的全面理解。为了实现高质量的路侧感知，我们需要路侧协同感知（RCooper）来实现受限交通区域的实用区域覆盖路侧感知。RCooper具有其自身领域特定的挑战，但由于缺乏数据集，进一步探索受阻。因此，我们发布了第一个真实世界的大规模RCooper数据集，以促进实用路侧协同感知的研究，包括检测和跟踪。手动注释的数据集包括50k张图像和30k个点云，包括两个代表性的交通场景（即交叉口和走廊）。构建的基准证明了路侧协作感知的有效性，并展示了进一步研究的方向。代码和数据集可在以下网址访问：https://github.com/AIR-THU/DAIR-RCooper。

如何实现道路旁协作感知以实现交通管理和自动驾驶的全面理解？

提出道路旁协作感知（RCooper）的概念，利用多种基础设施传感器系统进行综合感知，实现对交通区域的全面理解。

论文提供了第一个真实世界的大规模RCooper数据集，包括50k张图像和30k个点云，并进行了检测和跟踪的基准测试。论文的方法证明了道路旁协作感知的有效性，并展示了未来研究的方向。

近期相关研究包括：1. 'Roadside Object Detection with Efficient Context Aggregation Network'；2. 'Roadside LiDAR-based Pedestrian Detection with Multi-Sensor Fusion'；3. 'A Multi-Sensor Fusion Framework for Roadside Pedestrian Detection and Tracking'。