同济大学首发TJScenes 3D场景数据集 填补自动驾驶非道路场景细粒度感知数据空白

随着自动驾驶、服务机器人产业的快速落地，半封闭园区、校园、社区等低速场景的商业化需求持续释放，但这类场景的感知环境与城市公开道路存在显著差异：行人、非机动车等动态要素密度更高，人行道、步道、非铺装路面等非标准道路占比大，现有面向机动车道路研发的感知模型往往存在泛化能力不足的问题，背后核心瓶颈之一就是高质量非道路场景的标注数据供给短缺。2026年7月22日，同济大学正式在arXiv平台发布专为高分辨率三维占据预测打造的TJScenes数据集，针对自动驾驶与机器人导航的细粒度场景理解需求研发，填补了该领域的供给空白。

据介绍，TJScenes数据集共包含27911个标注样本，全部采集自真实动态校园环境，每个样本配套六摄像头全景图像与0.1米分辨率的3D语义占据标注，数据采集采用Livox Mid-360激光雷达，覆盖±20米平面范围与-2米至4.4米高度区间，可完整覆盖行人、低矮障碍物、台阶等非道路场景的典型感知对象。整个数据集通过定制化移动机器人平台同步采集多传感器数据，经过多轮精细标注流程校验完成，数据质量可满足高要求的算法训练与评估需求。

不同于现有以道路场景为核心的公开数据集，TJScenes特别聚焦人行道、非道路场景的语义标注，核心可用于评估高体素分辨率下的几何感知模型性能，典型应用方向包括低速无人配送车的园区路径规划与动态避障、校园巡检机器人的细粒度环境建模、半封闭场景自动驾驶的感知算法迭代等，将有效推动机器人导航领域的非道路场景感知技术落地。在数据要素成为人工智能核心生产资料的当下，高质量垂直场景标注数据集的开放，也将为相关领域的技术研发降本增效，加速创新成果的商业化落地进程。

查看TJScenes

详情页内容：