自動駕駛技術(shù)發(fā)展至今，如何在復(fù)雜惡劣天氣條件下實現(xiàn)可靠感知，仍是制約行業(yè)突破的關(guān)鍵瓶頸。傳統(tǒng)研究多聚焦于晴朗環(huán)境下的傳感器性能，卻忽視了雨雪、濃霧、夜間等場景對攝像頭和激光雷達(dá)的干擾。近日，一支跨國研究團(tuán)隊通過構(gòu)建全球首個真實惡劣天氣車車協(xié)作數(shù)據(jù)集，為破解這一難題提供了關(guān)鍵支撐。

該數(shù)據(jù)集命名為CATS-V2V，其中"CATS"代表復(fù)雜惡劣交通場景，"V2V"指車對車協(xié)作。研究團(tuán)隊歷時兩年，使用兩輛配備128線激光雷達(dá)、7個車載攝像頭及高精度導(dǎo)航系統(tǒng)的林肯MKZ轎車，在涵蓋高速公路、城市道路、住宅區(qū)等10類場景中，采集了包含雨、雪、霧、夜間等10種極端條件的100個視頻片段。數(shù)據(jù)總量達(dá)6萬幀激光點云、126萬張多視角圖像及75萬條定位記錄，其規(guī)模與場景復(fù)雜度均創(chuàng)行業(yè)新高。

項目負(fù)責(zé)人指出，現(xiàn)有協(xié)作感知數(shù)據(jù)集存在兩大缺陷：一是90%以上數(shù)據(jù)來自理想天氣，二是傳感器同步精度普遍存在20毫秒以上誤差。為解決這些問題，研究團(tuán)隊開發(fā)了硬件級同步系統(tǒng)，通過GPS授時將所有傳感器觸發(fā)誤差控制在1毫秒內(nèi)，并創(chuàng)新性地提出基于目標(biāo)的時間對齊算法。該算法通過計算動態(tài)目標(biāo)的平均時間戳，將激光點云與相機(jī)幀精確匹配，實驗顯示其目標(biāo)定位誤差較傳統(tǒng)方法降低67%。

數(shù)據(jù)標(biāo)注方面，團(tuán)隊為每個動態(tài)目標(biāo)分配唯一ID，支持跨車輛、跨幀的持續(xù)追蹤。標(biāo)注對象分為車輛（含轎車、卡車、公交車等6類）和弱勢道路使用者（含行人、騎行者、滑板車等4類），并提供了時間一致的3D邊界框。這種精細(xì)化標(biāo)注使得數(shù)據(jù)集既能支持基礎(chǔ)的目標(biāo)檢測任務(wù)，也可用于地圖構(gòu)建、SLAM定位等高階研究。

在數(shù)據(jù)預(yù)處理環(huán)節(jié)，研究團(tuán)隊開發(fā)了運動補(bǔ)償算法，消除車輛行駛導(dǎo)致的激光點云畸變。通過將兩車點云統(tǒng)一至全局坐標(biāo)系，并采用迭代最近點算法進(jìn)行精細(xì)配準(zhǔn)，確保了多車感知數(shù)據(jù)的一致性。這些技術(shù)突破使得數(shù)據(jù)集在動態(tài)目標(biāo)追蹤、多模態(tài)融合等任務(wù)中表現(xiàn)出色，其性能在基準(zhǔn)測試中超越現(xiàn)有數(shù)據(jù)集32%。

該數(shù)據(jù)集的發(fā)布立即引發(fā)行業(yè)關(guān)注。某自動駕駛企業(yè)首席科學(xué)家表示，真實惡劣天氣數(shù)據(jù)是訓(xùn)練魯棒感知系統(tǒng)的"剛需"，CATS-V2V提供的豐富場景和精準(zhǔn)標(biāo)注，將顯著加速協(xié)作感知算法的落地應(yīng)用。目前，已有30余家科研機(jī)構(gòu)申請數(shù)據(jù)訪問，相關(guān)研究論文在arXiv平臺發(fā)布后一周內(nèi)下載量突破5000次。

研究團(tuán)隊透露，下一階段將擴(kuò)展數(shù)據(jù)集規(guī)模至500個場景，并納入路邊基礎(chǔ)設(shè)施感知數(shù)據(jù)。同時，他們正在開發(fā)數(shù)據(jù)轉(zhuǎn)換工具，可將原始傳感器數(shù)據(jù)自動生成運動軌跡集，進(jìn)一步降低研究門檻。這項持續(xù)進(jìn)化的工作，正在為自動駕駛技術(shù)突破"最后一公里"挑戰(zhàn)鋪平道路。