重温数据集：将道路使用者的交互可视化与虚拟现实中的情景重建结合
摘要：自动驾驶车辆开发的核心挑战之一是其处理多样复杂交通场景和难以预测的交通参与者的能力。作为迭代开发过程的一部分，必须检测关键场景并从中生成知识，以改进高度自动化驾驶（HAD）功能。为了应对这个挑战，过去几年中发布了大量数据集，作为这些算法的开发和测试基础。然而，仍然存在的挑战是在这些数据集中找到相关场景，如安全关键的边缘案例，并对其进行完全理解。因此，本文提出了一种处理和分析自然运动数据集的方法：一方面，我们的方法将数据集场景映射到通用语义场景图，以便进行高级和客观的分析。在这里，可以设置任意的关键性度量，例如TTC，RSS或SFF，以自动检测交通参与者之间的关键场景。另一方面，这些场景在逼真的虚拟现实（VR）环境中重现，可以从多个交互视角进行主观的近距离分析。
作者：Lars T"ottel, Maximilian Zipfl, Daniel Bogdoll, Marc Ren''e Zofka, J. Marius Z"ollner
论文ID：2105.01610
分类：Graphics
分类简称：cs.GR
提交时间：2022-07-14