Dur360BEV

Dur360BEV是一个由杜伦大学计算机科学系和工程系创建的大规模真实世界自动驾驶数据集，包含360度球形RGB相机、高保真128通道3D LiDAR和RTK精炼的GNSS/INS系统。该数据集是首个配备球形相机模态的自动驾驶数据集，具有完全3D边界框注释。它旨在通过使用单个360度相机替代多相机系统来降低硬件复杂性，并针对自动驾驶中的鸟瞰图映射生成任务提供了基准架构。Dur360BEV is a large-scale real-world autonomous driving dataset developed by the Departments of Computer Science and Engineering at Durham University. It is equipped with 360° spherical RGB cameras, high-fidelity 128-channel 3D LiDAR, and RTK-refined GNSS/INS systems. This is the first autonomous driving dataset with spherical camera modality, and it features complete 3D bounding box annotations. The dataset aims to reduce hardware complexity by replacing multi-camera systems with a single 360° camera, and provides a benchmark framework for the bird's-eye view mapping generation task in autonomous driving.

搜集汇总

数据集介绍

构建方式

Dur360BEV数据集是通过在Renault Twizy车辆上安装一个球形双鱼眼相机、一个高分辨率128通道3D激光雷达和一个RTK修正的GNSS/INS系统进行收集的。数据收集涵盖了英国达勒姆的校园、高速公路、市中心和住宅区等不同区域，以确保数据集包含多样化的车辆和交通条件。数据同步使用了Robot Operating System (ROS Noetic)，并利用Xtreme1开源标注平台进行3D边界框标注。

特点

Dur360BEV数据集的特点在于其简洁的硬件设置，使用单个球形相机代替了传统的多相机系统，从而降低了硬件复杂性和成本。数据集包含了高分辨率的球形RGB相机图像、128通道3D激光雷达点云、RTK修正的GNSS/INS定位以及基于OpenStreetMap的详细语义地图。此外，数据集还提供了地面实况BEV分割图，包含围绕自车车辆的环境中的对象和地图块信息。

使用方法

Dur360BEV数据集可以用于训练和评估基于球形图像的BEV地图生成模型。数据集的标注数据包括3D边界框和BEV分割图，可以用于训练深度学习模型进行物体检测、分割和地图生成等任务。此外，数据集的注释频率为10Hz，可以用于实时自动驾驶应用。

背景与挑战

背景概述

随着自动驾驶技术的飞速发展，鸟瞰图（BEV）映射在感知、运动预测和轨迹规划等任务中扮演着关键角色。Dur360BEV数据集由英国杜伦大学计算机科学与工程学院的研究团队于2025年创建，旨在解决自动驾驶领域BEV生成所面临的挑战。该数据集的核心研究问题是如何仅使用单个360度相机来生成高精度、可靠的BEV地图，从而简化硬件配置并降低成本。Dur360BEV数据集的发布，为自动驾驶领域的研究人员提供了宝贵的资源，推动了BEV映射技术的发展，为自动驾驶系统的感知能力提升做出了重要贡献。

当前挑战

Dur360BEV数据集及相关研究面临的主要挑战包括：1) 所解决的领域问题，即使用单个360度相机生成高精度的BEV地图。传统的BEV生成方法依赖于多个相机，这增加了硬件的复杂性。Dur360BEV数据集采用单个球形相机，通过创新的SI2BEV模块和Focal Loss技术，实现了高精度的BEV地图生成。2) 构建过程中所遇到的挑战，如球形相机的径向畸变处理和BEV分割任务中的类别不平衡问题。通过引入Focal Loss和创新的采样策略，Dur360BEV数据集有效地解决了这些挑战，提高了BEV分割的性能。

常用场景

经典使用场景

Dur360BEV数据集主要用于自动驾驶领域中的鸟瞰图映射任务，通过单一的全景相机生成鸟瞰图。该数据集提供了一个基准架构，用于从单一球形相机图像中生成鸟瞰图地图，解决了多相机系统中的硬件复杂性。数据集包括高分辨率的球形RGB相机图像、高保真128通道3D激光雷达数据、RTK校正的GNSS/INS定位系统以及基于OpenStreetMap的语义地图。

实际应用

Dur360BEV数据集的实际应用场景包括自动驾驶车辆的环境感知、路径规划和运动预测等。通过使用单一的全景相机，可以简化自动驾驶车辆的传感器配置，降低成本和功耗。此外，该数据集还可以用于开发用于自动驾驶车辆的其他感知任务，例如目标检测、语义分割和深度估计等。

衍生相关工作

Dur360BEV数据集的提出衍生了许多相关的经典工作，例如Spherical-Image-to-BEV (SI2BEV)模块的开发，该模块专门用于处理球形图像并生成准确的鸟瞰图地图。此外，该数据集还推动了Focal Loss在鸟瞰图分割任务中的应用，有效地解决了类别不平衡问题。这些相关工作为进一步改进自动驾驶车辆的感知性能提供了重要的工具和方法。