安全过马路自主轮椅数据集|自主轮椅数据集|智能交通系统数据集

本数据集由瑞士南部应用科学与艺术大学开发，旨在支持自主轮椅在无交通灯情况下的安全过马路决策。数据集包含15次实验运行，记录了自主轮椅、无人机和模拟车辆的多传感器数据，包括摄像头视频和距离传感器读数。创建过程中，使用实验室环境中的机器人模拟真实场景，通过多传感器融合技术评估过马路风险。该数据集主要应用于智能交通系统，特别是为行动不便人士提供安全导航技术研究。

AI搜集汇总

数据集介绍

构建方式

安全过马路自主轮椅数据集的构建基于多传感器融合技术，旨在支持自主轮椅在无交通信号灯的环境下进行安全过马路决策。数据集通过实验室环境中的实验生成，使用了配备人工视觉和距离传感器的轮式机器人模拟自主轮椅和无人机。实验过程中，机器人通过多传感器采集数据，包括摄像头、红外距离传感器和运动跟踪系统，数据经过同步、预处理和融合后生成。数据集的构建过程严格遵循物理条件的可解释性，确保数据的透明性和可靠性。

特点

该数据集的特点在于其多源性和冗余性，涵盖了来自不同传感器的数据，包括视觉数据和距离数据。数据集不仅提供了丰富的传感器数据，还通过危险函数（Danger Function, DF）对过马路场景中的风险进行量化评估。危险函数基于物理条件设计，能够实时评估过马路的安全性，并通过多传感器融合提高决策的准确性。此外，数据集还包含了实验室环境中的详细实验记录，为后续的研究提供了可靠的基准数据。

使用方法

该数据集的使用方法主要包括数据加载、预处理和危险函数的应用。研究人员可以通过公开的代码库加载数据集，并使用提供的工具对数据进行同步和预处理。危险函数可用于评估过马路场景中的风险，研究人员可以根据传感器的输出计算危险值，并通过多传感器融合技术提高决策的准确性。数据集还可用于验证其他机器学习模型或传感器融合算法的性能，特别是在自主轮椅和无人机协同工作的场景中。

背景与挑战

背景概述

安全过马路自主轮椅数据集由瑞士南部应用科学与艺术大学（SUPSI）的Carlo Grigioni等研究人员于2024年发布，旨在支持智能城市中自主轮椅的安全过马路决策。该数据集是欧洲项目REXASI-PRO的一部分，该项目致力于开发可信赖的人工智能技术，以支持行动不便人群的社会导航。数据集通过多传感器融合技术，结合自主轮椅和飞行无人机的感知系统，提供了实验室环境下的实验数据，用于评估道路交叉口的风险决策。该数据集的发布为相关领域的研究提供了重要的实验基础，推动了自主轮椅在复杂交通环境中的应用。

当前挑战

该数据集的核心挑战在于如何通过多传感器融合技术提高自主轮椅在无交通信号灯情况下的过马路决策准确性。首先，数据集需要解决自主轮椅在复杂交通环境中的感知与决策问题，尤其是在面对不可预测的车辆行为时，如何准确评估风险并做出安全决策。其次，在数据集的构建过程中，研究人员面临传感器数据同步、多源数据融合以及实验室环境与真实场景差异等挑战。此外，如何设计一个可解释的危险函数以支持实时风险评估，也是数据集构建中的关键难题。这些挑战不仅影响了数据集的生成，也为未来自主轮椅在真实场景中的应用提出了更高的技术要求。

常用场景

经典使用场景

安全过马路自主轮椅数据集主要用于研究自主轮椅在无交通信号灯的路口进行安全过街的决策支持系统。该数据集通过多传感器融合技术，结合自主轮椅和飞行无人机的感知数据，模拟真实环境中的复杂交通场景，帮助研究人员评估和优化自主轮椅的决策算法。

解决学术问题

该数据集解决了自主轮椅在复杂交通环境中安全过街的决策问题。通过引入基于物理条件的危险函数，数据集为研究人员提供了一个可解释的决策框架，能够有效评估多传感器数据的冗余性和多样性，从而提升自主轮椅的安全性和可靠性。这一研究为智能交通系统中的自主导航技术提供了重要的理论支持。

衍生相关工作

基于该数据集的研究衍生了一系列经典工作，包括多传感器数据融合算法的优化、基于机器学习的交通风险评估模型，以及自主轮椅与无人机协同导航系统的开发。这些工作进一步推动了智能交通系统中自主导航技术的发展，并为其他相关领域（如自动驾驶和行人安全）提供了重要的参考和借鉴。