【自动驾驶】小障碍物检测&分割数据集【Lost and Found】

prinTao

已于 2023-07-05 17:41:07 修改

阅读量7k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：自动驾驶文章标签：自动驾驶人工智能机器学习

于 2022-02-16 16:24:04 首次发布

本文链接：https://blog.csdn.net/prinTao/article/details/122963856

自动驾驶专栏收录该内容

6 篇文章

订阅专栏

本文介绍了Lost&Found数据集，这是一个专注于检测道路上丢失货物等小障碍物的专有数据集。数据集由ZED被动双目相机采集，包含2104个标注帧，并在后续研究中被多个算法用作基准。文章讨论了相关方法，特别是使用RGBD条形输入网络以优化深度信息的策略，这一方法在后续工作中被广泛应用。此外，Lost&Found数据集对fishyscapes等异常检测benchmark的发展产生了影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

禁止转载
自动驾驶的机非人障碍物识别方面已经有很多工作了，相关数据集、方法也非常完善。但是，关注道路普通障碍物的方法仍然很少。笔者将从多个角度，分多系列文章来描述目前效果较好的方法。希望各位看官关注我已获得长期更新。

资源

官网：https://www.6d-vision.com/current-research/lostandfounddataset
补充链接：https://wwwlehre.dhbw-stuttgart.de/~sgehrig/lostAndFoundDataset/
百度网盘：
工具包：https://github.com/mcordts/cityscapesScripts
工具包替换labels.py即可

介绍

本数据集于2016（IROS）年在《Peter Pinggera、Sebastian Ramos、Stefan Gehrig、Uwe Franke、Carsten Rother、Rudolf Mester》论文中提出，关注于检测道路上由丢失货物引起的意外小障碍物的问题。数据使用ZED被动双目采集，共有2104标注好的数据。数据提出后的几年有多个数据集效仿（如seg me if you can 、SOD），同时有40+的算法将此数据集作为benchmark。后续L&F被fishyscapes标准借鉴去做训练集，他们还额外扩展了私榜和web更新榜单。fishyscapes是目前道路异常检测任务中主流的benchmark。
同时，其中提出的算法使用的假设平面和竖直矩形分割方法在此任务的分割算法中较为常见。此方法将RGBD划分成竖条输入网络（更好的利用深度信息），被后续算法广泛采用。