全球首个针对寒冷环境的自动驾驶数据集发布，包含 56000 张图像

来自初创公司 Scale AI 及其团队的研究者们相信：无人驾驶汽车有望改善机动性，建立更高效的交通系统，甚至挽救生命。尽管自动驾驶行业近些年来已经取得了长足的进步，但是，研究人员仍然在努力开发能够应对所有天气条件的汽车和 AI 模型。

许多驾驶员都知道，雨天、雪天、大雾等极端天气会导致车辆难以正常行驶，这些问题同样存在于自动驾驶领域，尤其是寒冷天气，自动驾驶车辆的行驶会尤其困难，因为下雪会影响关键的硬件和为其提供动力的 AI 算法。

比如，积雪覆盖道路标记将使自动驾驶系统难以识别；此外，积雪会大大降低色彩对比度，使系统更难以识别物体，例如树木或被停在路边被雪覆盖的汽车甚至行人；最重要的是，降雪使车辆的摄像头和 LiDAR 传感器难以看清，使得安全性大大降低。

人类驾驶员可以凭借经验在任何天气下驾驶，但是 AI 模型却无法学习人类的经验，因此，模型需要更多的数据。

多伦多滑铁卢大学和 AI 实验室（TRAIL）和滑铁卢大学的滑铁卢智能系统工程实验室（WISE Lab）共同创建了自动驾驶平台 Autonomoose，联合实验室于过去两年的冬天在安大略省西南部严酷、多雪的条件下行驶 20 公里得出了一些数据，Scale AI 提供了注释，可以方便研究人员使用。

在 Scale AI 的官方博客，研究人员们开放了数据集Canadian Adverse Driving Conditions Dataset（CADC）的源代码，该数据集包含了：

• 56,000 张相机图像；

• 7,000 次 LiDAR 扫描；

• 75 个场景，每个场景 50-100 帧；

• 10 个注释类；

• 完整的传感器套件：1 个 LiDAR，8 个摄像头，后处理 GPS / IMU；

• 不利的天气驾驶条件，包括下雪等天气；

数据集包含的标注

滑铁卢大学和多伦多大学的研究人员还发布了详细的学术论文，概述了所收集数据的技术特征和所提供的物体检测标签，感兴趣的读者可以在 arXiv 上进行查看。