用于室内场景理解与语义分割训练数据

该数据集同时拓展至城市道路与仓储物流两类动态场景，均以USD格式封装并附带时序帧序列。 城市道路场景包含十字路口、匝道汇入区及隧道出入口，涵盖轿车、巴士、行人、两轮车等动态交通参与者，并标注实例级运动轨迹与遮挡关系； 仓储物流场景模拟自动化立库、AGV巷道、分拣台及临时堆货区，货物以随机堆叠方式呈现，AGV与静态货架之间保持真实物理碰撞关联。 光照条件引入强逆光、雨雾天气及隧道灯光突变的弱光环境，以测试感知算法的鲁棒性。 同时针对两类场景分别添加动态干扰元素：道路场景中包含随风滚动的塑料袋、临时施工锥桶及飘移树叶； 仓储场景中随机出现运转中的传送带光栅、叉车卷起的粉尘粒子及闪烁的指示灯。 该配置可用于端到端自动驾驶决策、多智能体协同避障、以及恶劣条件下的实例分割与运动预测等任务，与原有室内静态场景形成互补。

搜集汇总

背景与挑战

背景概述

该数据集专为室内场景理解与语义分割任务设计，通过包含时序帧序列的USD格式数据，服务于端到端自动驾驶决策、多智能体协同避障及恶劣条件下的实例分割等模型训练需求。其内容涵盖城市道路与仓储物流两类动态场景，并引入了光照变化与动态干扰元素，与原有的室内静态场景数据形成互补。