CP2A dataset (CARLA Pedestrian Action Anticipation dataset)

在本文中，我们提出了一个新的模拟数据集，用于使用 CARLA 模拟器收集的行人动作预期。
为了生成这个数据集，我们在 Carla 环境中的自我车辆上放置了一个摄像头传感器，并将参数设置为用于记录 PIE 数据集的摄像头（即 1920x1080，110° FOV）。然后，我们计算通过相机视野看到的与自我车辆交互的每个行人的边界框。我们在 CARLA 模拟器中可用的两个城市环境中生成数据：Town02 和 Town03。
模拟行人总数接近 55k，相当于 14M 个边界框样本。每个行人的临界点是他们过马路的第一个点（以防他们最终会过马路）或相反情况下他们路径的最后一个边界框坐标。过马路行为占行人总数的 25%。我们平衡了数据集的训练拆分，以获得相等部分的标记序列交叉/非交叉。我们使用序列翻转来增加少数类（即在我们的案例中的交叉行为），然后对数据集的其余部分进行欠采样。结果是总共有近 50k 个行人序列。
接下来，将行人轨迹序列转换为等长（即 0.5 秒）的观察序列，训练分割有 60% 的重叠。 TTE 长度在 30 到 60 帧之间。它总共产生了近 22 万个观察序列。