開源寒冬環境影像資料集CADC可助自駕車應付下雪路況

為了促進自駕車在寒冷天氣下的發展，新創公司Scale AI、滑鐵盧大學和多倫多大學合作，開源了CADC（Canadian Adverse Driving Conditions）資料集，其中含有攝影機圖像以及光達資料。雖然許多組織也有釋出自駕車感測器資料集，但Scale AI提到，CADC是第一個專注在真實下雪天氣的行車影像。

人類持續改善自駕車的性能，以建立更高效的交通系統，或是執行更多重要的任務，儘管自駕車的發展已經有了長足的進展，但是卻一直還無法克服不同的天氣條件。Scale AI執行長提到，下雪時很難開車，人類卻可以輕易地應付任何天氣，在任何天氣駕駛車輛行經同一條路，但對自駕車來說並非如此，下雪會嚴重影響自駕車重要硬體，和人工智慧演算法判斷能力，當前自駕車模型無法適應不同天氣，需要更多的資料才行。

自駕車在寬闊有陽光的林蔭大道接受訓練，但是一放到有積雪的街道就會發生錯誤，積雪覆蓋的道路會讓自駕車難以辨識，因此無法穩定的在車道上駕駛，而且積雪會大幅降低環境色彩對比，汽車系統會更難以辨識物體，像是被雪覆蓋的路樹、路邊停放的車輛，甚至是行人。

更大的問題是，降雪使自駕車的攝影機和光達感測器難以正常作用，因此大幅降低安全性，這些問題，自駕車模型需要有豐富的資料進行學習，但目前都沒有已註釋的光達開放資料集，以及下雪天氣的行車影像資料。為此，Scale AI、滑鐵盧大學和多倫多大學合作，釋出寒冷條件的資料集CADC。

CADC拍攝的路線，是根據交通等級以及障礙物而定，從基本的汽車、行人、具有輪子的垃圾桶與動物等，當然，最重要的要素還是降雪。這個資料集是使用滑鐵盧大學和多倫多大學合力開發的Autonomoose自動車輛研究平臺收集，研究人員駕駛搭載光達、慣性感測器、GPS和視覺感測器的車輛，在過去兩個冬天，於安大略省西南部嚴寒的天氣中，駕駛了20公里收集資料。

接著，Scale AI利用自家資料註釋平臺，將收集來的資料加上標籤，CADC內含75個50到100影格的駕駛鏡頭，還有7,000影格的光達資料，Scale AI表示，他們所標記的標籤精準度，高於人類判斷和其他合成標籤技術。

CADC能讓自駕車模型擁有處理下雪天氣的能力，滑鐵盧大學教授Krzysztof Czarnecki表示，由於自駕車應付下雪的問題太大了，任何組織都難以獨立解決，他希望該資料集可以促進社群研究，讓自駕車能應付寒冬條件。滑鐵盧大學和多倫多大學的研究人員，還發表了一份學術論文，概述所收集的資料，其特徵以及物體偵測的標籤。