自動駕駛協作感知資料集：首篇綜述

2025-07-24 03:59 CVer

點選下方卡片，關注“CVer”公眾號

AI/CV重磅乾貨，第一時間送達
點選進入—>【自動駕駛】投稿交流群

新增微訊號：CVer2233，小助手會拉你進群！
掃描下方二維碼，加入CVer學術星球！可以獲得最新頂會/頂刊上的論文idea和CV從入門到精通資料，及最前沿應用！發論文/搞科研/漲薪，強烈推薦！

標題：Collaborative Perception Datasets for Autonomous Driving: A Review
作者：Naibang Wang, Deyong Shang, Yan Gong, Xiaoxi Hu, Ziying Song, Lei Yang, Yuhan Huang, Xiaoyu Wang, Jianli Lu
作者單位：中國礦業大學（北京）、清華大學、哈爾濱工業大學、南洋理工大學、北京交通大學等
原文連結：https://arxiv.org/abs/2504.12696
開源連結：
https://github.com/frankwnb/Collaborative-Perception-Datasets-for-Autonomous-Driving
論文簡介
該論文回顧並分析了自動駕駛中的協同感知資料集。隨著自動駕駛對環境感知精度和安全性要求的不斷提升，協同感知已成為增強自動駕駛系統感知能力的關鍵技術，且成為學術界和工業界的研究重點。自動駕駛系統透過車載感測器執行即時任務，如物體檢測、語義分割、追蹤和軌跡預測。然而，傳統單車感知受限於視野、感測器盲區和環境遮擋，難以滿足複雜交通環境中的高可靠性要求。協同感知透過V2X通訊技術，促進車輛與基礎設施之間的資訊共享，從而提高對遮擋區域和遠端區域的感知能力，提升駕駛安全性並擴充套件操作設計域（ODD）。本論文總結了現有的協同感知資料集，涵蓋了不同的協作正規化、感測器配置、資料來源和應用場景，為研究人員提供了系統的參考，旨在推動協同感知技術的進一步研究與發展。

圖1：協同感知資料集發展時間路線圖
主要貢獻
本論文的主要貢獻如下：
1. 協同感知資料集的全面回顧：首次系統地總結並分類現有的協同感知資料集，涵蓋V2V、V2I、V2X、I2I等不同協作正規化，提供了全面的任務支援與應用場景分析。
2. 任務導向的資料集分類：根據自動駕駛中的核心感知任務，如三維物體檢測、語義分割和物體追蹤與預測，對資料集進行了分類，有助於研究人員根據具體需求選擇合適的資料集。
3. 資料集對比與未來趨勢：透過多維度的對比分析，突出高影響力的資料集，並探討了協同感知資料集面臨的主要挑戰及未來發展方向，特別是在資料規模、領域適應性和標準化方面。

圖2：文章架構圖
GitHub 資源庫介紹
為了促進協同感知技術的進一步發展，本論文提供了一個持續更新的GitHub資源庫，彙集了最新的協同感知資料集及相關文獻。研究人員可以透過該資源庫方便地訪問並下載各種資料集，支援自己的研究工作。資源庫連結：
https://github.com/frankwnb/Collaborative-Perception-Datasets-for-Autonomous-Driving

圖3：Github資源庫
未來挑戰與趨勢
儘管現有的協同感知資料集在推動自動駕駛研究方面取得了顯著進展，但依然面臨諸多挑戰：
1. 資料集的規模與多樣性：未來的資料集需要涵蓋更多的交通異常、極端天氣等稀有場景，並增加來自不同地區的資料，確保模型的廣泛適應性。
2. 標準化與基準化：為確保資料集間的公平比較與跨資料集的泛化能力，資料集的註釋格式與評估協議的統一至關重要。
3. 隱私與安全性：隨著多方資料共享，如何保護資料隱私和安全，避免惡意攻擊，成為未來研究的重點。
4. 大語言模型的應用：未來，協同感知領域可能會與大語言模型（LLMs）結合，透過自動標註、資料增強等方式提升資料集的質量與智慧化水平。          
透過這篇綜述，我們希望為協同感知資料集的設計、建設和評估提供有價值的指導，推動自動駕駛技術的進一步發展，提升自動駕駛系統的安全性和可靠性。

何愷明在MIT授課的課件PPT下載
在CVer公眾號後臺回覆：何愷明，即可下載本課程的所有566頁課件PPT！趕緊學起來！

CVPR 2025 論文和程式碼下載

在CVer公眾號後臺回覆：CVPR2025，即可下載CVPR 2025論文和程式碼開源的論文合集

ECCV 2024 論文和程式碼下載

在CVer公眾號後臺回覆：ECCV2024，即可下載ECCV 2024論文和程式碼開源的論文合集
自動駕駛交流群成立
掃描下方二維碼，或者新增微訊號：CVer2233，即可新增CVer小助手微信，便可申請加入CVer-垂直方向和論文投稿微信交流群。另外其他垂直方向已涵蓋：目標檢測、影像分割、目標跟蹤、人臉檢測&識別、OCR、姿態估計、超解析度、SLAM、醫療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學習、車道線檢測、模型剪枝&壓縮、去噪、去霧、去雨、風格遷移、遙感影像、行為識別、影片理解、影像融合、影像檢索、論文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF、3DGS、Mamba等。
一定要備註：研究方向+地點+學校/公司+暱稱（如自動駕駛+上海+上交+卡卡），根據格式備註，可更快被透過且邀請進群

▲掃碼或加微訊號: CVer2233，進交流群
CVer計算機視覺（知識星球）來了！想要了解最新最快最好的CV/DL/AI論文速遞、優質實戰專案、AI行業前沿、從入門到精通學習教程等資料，歡迎掃描下方二維碼，加入CVer計算機視覺（知識星球），已彙集上萬人！

▲掃碼加入星球學習
▲點選上方卡片，關注CVer公眾號
整理不易，請點贊和在看


相關文章