“大范围场景语义建模和透彻理解”关键考核指标第三方检测数据

针对巡航器在地外星表的通行性分析问题，设计了专业的训练数据集。将通行性分析建模为语义分割问题，能够根据输入的地表多维信息显式地计算出特定巡视器在该环境中的通行性地图。同时提出绑定特定巡视器的数据集生成方法，首先通过测量特定巡视器在实验场地中的运行参数，获得该巡视器在特定位置的有向可通行性结果，然后利用该结果将无向可通行地图的计算问题转化为一个全局优化问题进行求解，从而得到更直观且便于指导路径规划的无向可通行性地图，最后将该地图与场地数据对应，生成绑定特定巡视器的数据集。
我们的多维语义地图可以定义为由稀疏点云投影得到的俯视BEV图(bird eye’s view), 因此我们可以将通行性分析作为一个语义分割问题进行处理。我们采用修改过的U-Net架构进行像素级别的分类，并基于实地采集的平地+障碍物几何地图数据集进行训练和验证。 根据测试集的实验结果显示，预测结果可以学习到和ground truth基本一致的特征, 且帧与帧之间的预测结果具有连续性。该数据集由高程数据包和标注数据包组成，可供研究者下载使用。