OSDaR23: Open Sensor Data for Rail 2023

解决问题：本篇论文的目的是提出一个多传感器数据集OSDaR23，以解决铁路环境中物体检测的问题。目前，公开的铁路数据集非常有限，而且通常只涉及少数传感器。因此，本文旨在提供一个包含多个传感器的数据集，以便训练和测试机器学习算法。

关键思路：本文的关键思路是提出一个包含多个传感器的数据集OSDaR23，以便训练和测试机器学习算法。该数据集包含了铁路环境中可能造成潜在障碍物的物体，以及铁路特定的物体，如铁轨或电力杆的标注。相比于现有的铁路数据集，OSDaR23包含了更多的传感器和更多的物体类别，可以更好地应用于铁路物体检测的算法研究。

其他亮点：本文提供了一个包含多个传感器的数据集，可以用于铁路物体检测的算法研究。此外，本文列出了OSDaR23数据集可以用于的其他任务，如物体跟踪和行为分析。据报道，该数据集已经开放下载，并且包含了204091个物体标注。

关于作者：本文的主要作者是Rustam Tagiew、Martin Köppel、Karsten Schwalbe、Patrick Denzler、Philipp Neumaier和Tobias Klockau。他们都来自德国的机构，如Technical University of Munich、Deutsche Bahn AG等。在过去的研究中，他们主要关注于计算机视觉、机器学习、交通运输等领域。

相关研究：近期的相关研究包括“RailSem19: A Semantic Segmentation Dataset for Railways”（作者：Rustam Tagiew等，机构：Technical University of Munich）、“Railway Track Detection and Analysis Using Deep Learning”（作者：Jinming Zhao等，机构：University of Birmingham）等。这些研究都关注于铁路物体检测和分析，但是没有提供像OSDaR23这样包含多个传感器的数据集。

论文摘要：本文介绍了OSDaR23，这是一个在德国汉堡于2021年9月拍摄的多传感器数据集。该数据集由多个校准和同步的红外/RGB相机、激光雷达、雷达以及安装在铁路车辆前部的位置和加速度传感器组成。除了原始数据外，该数据集还包含204091个折线、多边形、矩形和立方体注释，涵盖20种不同的对象类别。这个数据集不仅可以用于碰撞预测等任务，还可以用于本文中列出的其他任务。由于铁路环境中的对象数据集非常有限，因此本文提供的OSDaR23数据集可以为铁路自动驾驶列车的技术系统提供重要的训练数据。

内容中包含的图片若涉及版权问题，请及时与我们联系删除