AAAI2024最佳解读|DeepAccident A Motion and Accident Prediction Benchmark for V2X Autonomous Driving

论文标题

DeepAccident: A Motion and Accident Prediction Benchmark for V2X Autonomous Driving
DeepAccident: 用于 V2X 自动驾驶的运动和事故预测基准

论文链接

DeepAccident: A Motion and Accident Prediction Benchmark for V2X Autonomous Driving论文下载

论文作者

Tianqi Wang, Sukmin Kim, Ji Wenxuan, Enze Xie, Chongjian Ge, Junsong Chen, Zhenguo Li, Ping Luo

内容简介

本文提出了DeepAccident，一个用于V2X（车联网）自动驾驶的运动和事故预测基准数据集。该数据集通过逼真的模拟器生成，包含多种在现实世界中常见的事故场景，旨在填补现有数据集中对安全关键场景的缺失。DeepAccident数据集包括57K个标注帧和285K个标注样本，规模约为现有大型nuScenes数据集的7倍。此外，本文还提出了一项新的任务——端到端运动和事故预测，能够直接评估不同自动驾驶算法的事故预测能力。为此，研究团队设计了一种名为V2XFormer的基线V2X模型，在运动和事故预测及3D目标检测方面表现优于单车模型。该研究为V2X感知和预测任务提供了重要的基准和数据支持。

分点关键点

1. DeepAccident数据集

   • DeepAccident是第一个支持端到端运动和事故预测的V2X自动驾驶数据集，包含285K个标注样本和57K个标注V2X帧。数据集通过模拟器生成，涵盖多种事故场景，填补了现有数据集中对安全关键场景的缺失。

2. 端到端运动和事故预测任务

   • 本文提出的端到端运动和事故预测任务旨在预测碰撞事故的发生、时间、地点及涉及的车辆或行人。该任务为评估不同自动驾驶算法的事故预测能力提供了新的标准。

3. V2XFormer模型

   • V2XFormer是一种新提出的V2X模型，利用多视角摄像头和LiDAR数据进行感知和预测任务。与单车模型相比，V2XFormer在运动和事故预测及3D目标检测方面表现出色，成为后续研究的基线。

4. 数据集生成与多样性

   • DeepAccident数据集的生成基于NHTSA的碰撞前报告，设计了12种在交叉路口发生的事故场景。数据收集过程中引入了多种随机因素，以增强场景的多样性和真实感。

5. 实验与评估

   • 研究团队在DeepAccident的验证集上进行了多项实验，比较了不同V2X融合模块的性能，并评估了V2X模型与单车模型在运动预测和事故预测任务中的表现。

论文代码

代码链接：https://github.com/DeepAccident

中文关键词

1. V2X自动驾驶
2. 运动预测
3. 事故预测
4. 数据集
5. 深度学习
6. 感知任务

AAAI论文合集：

AAAI论文合集

希望这些论文能帮到你！如果觉得有用，记得点赞关注哦~ 后续还会更新更多论文合集！！