DarkDriving: 暗い環境における自動運転のための実世界の日夜同期データセット

要旨: 暗所条件は、暗い環境下での自動運転のビジョン中心の知覚システムにとって挑戦となります。本論文では、自動運転のための暗所照明低下の改善を調査する新しいベンチマークデータセット（DarkDriving と名付ける）を提案します。既存の実世界の低照度改善ベンチマークデータセットは、さまざまな露出を小範囲かつ静止したシーンで制御することによってのみ収集できます。現在の夜間走行データセットの暗い画像には、正確に対になった日中の対応データが存在しません。ダイナミックな走行シーンにおいて実世界の日中と夜間が対になったデータセットを収集するという極めて高い難易度は、この分野の研究を著しく制限してきました。大規模な実世界の閉鎖走行試験フィールド（エリア: 69エーカー）で、日夜の自動航法における Trajectory Tracking に基づく Pose Matching (TTPM) の自動日夜一致法を提案し、初めて暗い環境での自動運転の実世界の日中夜間対のデータセットを収集しました。DarkDriving データセットは、場所と空間的内容が正確に一致する日夜の画像ペア 9,538 組を含み、その整列誤差は数センチメートル程度です。各ペアごとに、オブジェクトの 2D バウンディングボックスも手動でラベル付けしています。DarkDriving は、低照度強化、一般化された低照度強化、暗所環境下での 2D 検出および 3D 検出のための低照度強化を含む、4つの認識関連タスクを導入します。実験結果は、DarkDriving データセットが自動運転の低照度強化を評価するための包括的なベンチマークを提供するとともに、暗い画像を強化し、nuScenes のような他の低照度走行環境で検出を促進することにも一般化できることを示しています。