可通行區域檢測對于自動駕駛車輛的環境感知和路徑規劃至關重要。過去十年基于學習的可通行區域檢測算法取得了很大的成功，但是基本上都是關注城市場景的可通行區域檢測。相比于規則的城市場景道路，越野場景道路復雜多變，可通行區域檢測更加困難，另外目前缺少開源的越野場景可通行檢測數據集和算法基準。因此，本文開源第一個覆蓋多種越野場景的可通行區域檢測數據集，ORFD。ORFD采集了包括草原、林地、農田和鄉村道路等不同場景道路，覆蓋晴天、雨天、霧天和雪天等不同無人車行駛天氣狀況，包含強光、日光、微光和黑暗等光照條件。ORFD一共有12198幀激光雷達點云和圖像對數據，在圖像視角進行了標注，包含三種類別：可通行區域、不可通行區域和不可到達區域（如天空）。我們同時還提出了一個基于Transformer的越野場景可通行區域檢測模型OFF-Net，利用交叉注意力機制自適應融合點云和圖像的多模態信息。數據集和基準代碼下載鏈接：https://github.com/chaytonmin/Off-Road-Freespace-Detection。

主要工作與貢獻

我們開源了第一個越野場景可通行區域檢測數據集ORFD，包括草原、林地、農田和鄉村道路等不同場景道路，覆蓋晴天、雨天、霧天和雪天等不同無人車行駛天氣狀況，包含強光、日光、微光和黑暗等光照條件。

我們提出了一個越野場景可通行區域檢測基準算法OFF-Net，采用Transformer結構聚合全局信息，設計cross-attention自適應挖掘點云和圖像的多模態信息。

我們的越野場景可通行區域檢測數據集ORFD和算法基準OFF-Net，有助于提高無人車在越野場景的自主行使能力。

算法流程

城市場景道路和越野場景道路對比

圖1 （a） 城市場景道路有清晰的道路邊界 （b）越野場景可通行區域難以準確定義。

數據采集裝置

圖2 越野場景可通行區域檢測數據集ORFD采集裝置：Pandora 40線的激光雷達，相機和激光雷達一體。聯合標注激光雷達和相機。

越野場景可通行區域檢測數據集ORFD

圖3 越野場景可通行區域檢測數據集ORFD，包括草原、林地、農田和鄉村道路等不同場景道路，覆蓋晴天、雨天、霧天和雪天等不同無人車行駛天氣狀況，包含強光、日光、微光和黑暗等光照條件。采集了30段道路數據，一共有12198幀激光雷達點云和圖像對數據。在圖像視角進行了標注，包含三種類別：可通行區域、不可通行區域和不可到達區域（如天空）。

數據集劃分

越野場景可通行區域檢測基準算法OFF-Net

圖4 提出的越野場景可通行區域檢測基準算法OFF-Net。首先將激光雷達點云投到相機視角得到深度圖，然后計算得到法向量圖，再利用Transformer網絡融合法向量圖和圖像，得到道路分割結果。

實驗結果

審核編輯：郭婷