本篇推文出于学习交流目的，总结过程中用到了多方材料，侵删！
Argoverse: 3D Tracking and Forecasting With Rich Maps
该文为CVPR2019文章，由Argo AI、卡内基梅隆大学、佐治亚理工学院发布。文章介绍了用于支持研究自动驾驶汽车感知任务（3D 跟踪与运动预测）的数据集Argoverse。
文章下载链接：
https://arxiv.org/abs/1911.02620
对Argoverse做简要介绍如下：
Argoverse官网地址为www.argoverse.org
数据包括Argoverse 3D Tracking与Argoverse Motion Forecasting两个数据集。
Argo AI提供了Argoverse的数据接口：
https://github.com/argoai/argoverse-api
基于以上两类数据集，Argo AI在NeurIPS 2019举办两场workshop竞赛。
Argoverse 3D Tracking Competition：
https://evalai.cloudcv.org/web/challenges/challenge-page/453/overview
跟踪baseline：
https://github.com/alliecc/argoverse_baselinetracker
Argoverse Motion Forecasting Competition：
https://evalai.cloudcv.org/web/challenges/challenge-page/454/overview
运动预测baseline：
https://github.com/jagjeet-singh/argoverse-forecasting
以上两个baseline均基于Argoverse数据接口。
我在CSDN博客给出了详细介绍和论文的全文翻译：
https://blog.csdn.net/taifengzikai/article/details/104096337
声明：该平台为
学生自主运营，如果内容侵犯了您的版权，请在微信端留言，我们会马上修改或删除，感谢您的支持与理解！
点击“阅读原文”查看完整编译文章
