关于人工智能:最全自动驾驶数据集分享系列五-全景数据集

3次阅读

共计 3468 个字符,预计需要花费 9 分钟才能阅读完成。

目前对于主动驾驶数据集你想晓得的,应该都在这里了,这是「整数智能」主动驾驶数据集八大系列分享之系列五:

「本期划重点」

  • 不同城市不同时段收集的简单路况实在数据的数据集:Complex Urban, ApolloScape, Elektra (CVC-13), KITTI Stereo 2015, Oxford RobotCar, Málaga Stereo and Urban
  • Complex Urban 为机器人操作系统环境中提供了开发工具
  • ApolloScape 促成感知、导航和管制等方面的翻新
  • Oxford RobotCar 收集了同一条路线所有天气情况和简直所有路线场景

「八大系列概览」

主动驾驶数据集分享是整数智能推出的一个全新分享系列,在这个系列中,咱们将介绍目前为止各大科研机构和企业推出的所有公开主动驾驶数据集。数据集次要分为八个系列:

  • 系列一:指标检测数据集🔗
  • 系列二:语义宰割数据集🔗
  • 系列三:车道线检测数据集🔗
  • 系列四:光流数据集🔗
  • 系列五:全景数据集
  • 系列六:定位与地图数据集
  • 系列七:驾驶行为数据集
  • 系列八:仿真数据集

上面共包含 8 个数据集:

01「Complex Urban」

  • 公布方:韩国科学技术院
  • 下载地址:
    http://irap.kaist.ac.kr/dataset
  • 论文地址:
    https://ieeexplore.ieee.org/d…
  • 公布工夫:2018 年
  • 简介:该数据集提供光探测和测距(激光雷达)数据和平面图像与各种地位传感器指标高度简单的城市环境。所提供的数据集捕获了城市环境(例如大都市地区、简单修建和居住区)的特色。给出了二维和三维激光雷达的数据,这是典型的激光雷达传感器。用于车辆导航的原始传感器数据以文件格式提供。为了不便开发,在机器人操作系统(ROS)环境中提供了开发工具
  • 特色

    • 提供来自不同环境的数据,如简单的大都市地区、住宅区和公寓楼群
    • 提供具备两个级别精度的传感器数据(一般低精度传感器和低廉的高精度传感器)
    • 通过应用高精度导航传感器的 SLAM 算法和人工迭代最靠近点(ICP)提供基线
    • 通过 ROS 为一般机器人社区提供开发工具针对不同的机器人利用应用 WebGL 提供原始数据和 3D 预览

02「ApolloScape」

  • 公布方:百度
  • 下载地址:
    http://apolloscape.auto/stere…
  • 官网地址:
    http://apolloscape.auto/index…
  • 公布工夫:2018 年
  • 简介:ApolloScape 是 Apollo 主动驾驶我的项目的一部分,是一个以钻研为导向的我的项目,旨在促成主动驾驶各个方面的翻新,包含感知、导航和管制。它提供了对语义正文(像素级)街景图像和模仿工具的公开拜访,反对用户定义的政策。这是一个一直倒退的我的项目,新的数据集和新的能力将被定期增加
  • 特色

    • 由 5165 个图像对和相应的差别图,其中 4156 个图像对用于训练,1009 个图像对用于测试
    • 通过积攒来自激光雷达的三维点云和将三维 CAD 模型拟合到独自挪动的汽车上取得实在值
    • 蕴含不同的交通状况和重大的遮挡

03「Elektra(CVC-13)」

  • 公布方:巴塞罗那自治大学
  • 下载地址:
    http://adas.cvc.uab.es/elektr…
  • 官网地址:
    http://adas.cvc.uab.es/elektra/
  • 公布工夫:2016 年
  • 简介:该数据集由三个多模态平面图像子集组成,每个子集都蕴含不同的场景系列:路线、外墙和平滑外表。每个子集蕴含在不同条件和日期拍摄的图像。对于每对多模态平面图像,都会给出一个实在的或合成的深度图,用作 ground truth。此外该数据集还提供了相应的校准集
  • 特色

    • 所有图像应用黑白相机和红外相机拍摄记录
    • 所有图像均以 PPM 和 BMP 格局提供

04「KITTI Stereo 2015」

  • 公布方:德国卡尔斯鲁厄理工学院
  • 下载地址:
    http://www.cvlibs.net/dataset…
  • 官网地址:
    http://www.cvlibs.net/dataset…
  • 公布工夫:2015 年
  • 简介:KITTI 是面向主动驾驶的规范测试数据集,次要关注其中双目数据,KITTI 应用 4 个相机采集图像数据,两个为灰度相机,另外两个为黑白相机
  • 特色

    • 由 200 个训练场景和 200 个测试场景组成(每个场景 4 张彩色图像,应用 png 格局保留来缩小损失)
    • 蕴含动静场景,在半自动过程中已为其建设了 ground truth
    • 其评估服务器计算出所有 200 张测试图像的所有 ground truth 像素的均匀不良像素百分比,如果一个像素的差别或流量端点误差 <3px 或 <5%,则认为该像素被正确预计

05「Oxford RobotCar」

  • 公布方:牛津大学
  • 下载地址:
    https://robotcar-dataset.robo…
  • 论文地址:
    https://robotcar-dataset.robo…
  • 公布工夫:2015 年
  • 简介:通过长时间在不同条件下行驶同一条路线,该数据集收集了因为光照、天气、动静物体、节令影响和施工等因素导致的场景外观和构造的大范畴变动
  • 特色

    • 近 2000 万张图像
    • 数据集被分为独自的门路,每个门路对应一次单程 traversal,为了缩小下载文件的大小,又进一步将每个 traversal 划分为块,其中每个块对应于大概 6 分钟的门路片段,在一次 traversal 中,来自不同传感器的块将在工夫上重叠;然而,块在不同 traversal 之间不对应。每个区块都被打包为 tar 归档文件,以便下载
    • 领有所有天气条件下收集的数据(大雨、夜间、阳光直射和降雪等)
    • 领有不同的路线场景外观(动静物体、施工等因素的影响)

    数据集中来自不同地区的样本 3D 地图

06「Málaga Stereo and Urban」

  • 公布方:马拉加大学
  • 下载地址:
    http://www.mrpt.org/MalagaUrb…
  • 论文地址:
    https://www.researchgate.net/…
  • 公布工夫:2013 年
  • 简介:该数据集是在 Málaga 不同城市地区的汽车旅行中记录的单个序列,总持续时间为 93 分钟。所有传感器的观测都以其最大额外速率记录
  • 特色

    • 指向不同方向的多个激光扫描仪
    • 高速率(20 帧 / 秒)和高分辨率(1024*768)平面图像的品质良好
    • 反映了事实交通的动静环境

数据集视频索引的视图,左上为原始视频帧,左下为车辆在城市地图上的以后地位,右下为激光扫描仪取得的本地 3D 点云

07「Lyft-Perception」

  • 公布方:来福车交通网络公司
  • 下载地址:
    https://level-5.global/register/
  • 论文地址:
    https://arxiv.org/pdf/2006.14…
  • 公布工夫:2013 年
  • 简介:该数据集作者认为主动驾驶更适宜于服务繁多的、高需要的路线,而不是服务于一个宽泛的区域。所以在四个月的工夫里由 20 辆汽车组成的车队沿着加州帕洛阿尔托的固定路线收集了 1000 小时的数据,由 17 万个场景组成,其中每个场景长 25 秒,捕捉了主动驾驶零碎的感知输入,它编码了左近车辆、骑自行车的人和行人在一段时间内的准确地位和静止。在此基础上,该数据集蕴含一个有 15,242 个标记元素的高清语义地图和一个该地区的高清鸟瞰图
  • 特色

    • 蕴含 1000 小时的交通场景,捕获了 20 辆自驾车四周的交通参与者的静止,总里程 26,000 公里
    • 高清(HD)语义地图,总计 15000 多个正文,包含 8500 个车道段
    • 该地区的高分辨率航空图像,横跨 74 平方公里,每个像素的分辨率为 6cm,提供对于环境的进一步空间背景

    数据集的概述,包含在火车站和办公室之间 6.8 英里的路线上记录的 1118 小时的感知数据(红色)。左下角的例子显示了在高清语义地图之上公布的场景,这些场景捕获了路线的汇合形态和该地区的鸟瞰图

08「ONCE」

  • 公布方:华为
  • 下载地址:
    https://once-for-auto-driving…
  • 论文地址:
    https://arxiv.org/abs/2106.11037
  • 公布工夫:2021 年
  • 简介:为了解决数据有余的问题,ONCE(One millionN sCenEs)数据集蕴含 100 万个三维场景和 700 万个相应的二维图像,从数量上看比最大的 Waymo Open 数据集多 5 倍,而且三维场景的记录时间为 144 个驾驶小时,比现有数据集长 20 倍,涵盖了更多不同的天气条件、交通条件、时间段和地区
  • 特色

    • 200 平方公里的驾驶区域,144 小时驾驶工夫
    • 15000 个齐全正文的场景,有 5 个类别(汽车、公共汽车、卡车、行人、自行车)
    • 多样的环境(白天 / 夜晚,晴天 / 雨天,城市 / 市区)

    ONCE 中图片和点云图像

正文完
 0