路侧多源感知数据集规范化构建方法

摘要

为满足路侧多源融合感知算法研究对标准公开数据的需求，提出一种路侧多源感知数据集规范化构建方法。在城市T型交叉口采集激光雷达和图像数据并进行时空匹配，提出包括道路空间划分、路面分割和激光点云聚类等步骤的车辆三维外形尺寸提取方法，提出涵盖目标过滤和分类、识别难度划分、三维边界框校准、标签信息补充等步骤的车辆标注方法，构建了昼夜条件下含有9 794个小汽车和重车标签的规范化路侧多源感知数据集；使用YOLOv5算法和PointRCNN算法对本文数据集的车辆二维和三维目标识别效果进行测试。测试结果表明：由于场景复杂度、采集设备以及车辆类型的差别，本文数据集与公开车载数据集中车辆平均激光点数量、车辆三维边界框尺寸方面存在明显差异；YOLOv5算法和PointRCNN算法对路侧多源感知数据集中的车辆目标具有与公开车载数据集相近的目标识别精度。

关键词

智能交通 / 路侧感知 / 数据集 / 多源感知 / 激光雷达 / 目标识别