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

近年来，路侧感知的价值已逐渐凸显并得到认可，它可以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，我们需要路侧合作感知（RCooper）来实现对受限交通区域的实用区域覆盖路侧感知。RCooper具有其特定领域的挑战，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的大规模RCooper数据集，以促进实用路侧合作感知（包括检测和跟踪）的研究。手动注释的数据集包括50k图像和30k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合作感知的有效性，并展示了进一步研究的方向。代码和数据集可在以下网址获取：https://github.com/AIR-THU/DAIR-RCooper。

论文旨在解决现有路侧感知方法只关注单一基础设施传感器系统的问题，提出了Roadside Cooperative Perception (RCooper)的概念，以实现对交通区域的全面理解和实用的路侧感知。

RCooper是一种路侧协作感知方法，可通过多个传感器系统实现对交通区域的全面感知。论文提出的方法可以有效地检测和跟踪交通场景中的对象。

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，用于推动实用路侧协作感知的研究。论文的实验结果证明了RCooper的有效性，并展示了进一步研究的方向。研究者还开源了代码和数据集。

最近的相关研究包括：《A Survey of Roadside Sensing Techniques for Intelligent Transportation Systems》、《Roadside Object Detection with Efficient Convolutional Neural Network》等。