能够自动发布文章的自动采集器( 让智能汽车更“智能”——KITTI数据集发布)
优采云 发布时间: 2021-10-29 12:20能够自动发布文章的自动采集器(
让智能汽车更“智能”——KITTI数据集发布)
自动驾驶标注数据集
为了让智能汽车更加“智能”，自动驾驶算法能够应对更加复杂多变的道路环境以及行人和其他车辆的行为，背后必然有海量的真实道路数据。在自动驾驶汽车领域，数据标注处理的场景通常包括变道超车、通过交叉路口、无红绿灯转弯、复杂道路和天气条件下行驶等。
数据标注通常处理的数据类型为图片或3D点云，标注类型包括矩形框、线、多边形等。数据标注的好坏直接决定了模型的好坏。海量、高质量的数据可以大大提高自动驾驶汽车的安全性和实用性，加速自动驾驶落地进程。
KITTI 数据集
KITTI 数据集于 2009 年发布，由德国卡尔斯鲁厄理工学院和芝加哥丰田理工学院共同创立。数据集中的数据主要取自德国卡尔斯鲁厄周边的乡村和高速公路。每张图片最多有 15 辆汽车和 30 名行人，都具有不同程度的遮挡。数据集的采集是在装有激光雷达的采集汽车上完成的。激光雷达采用10Hz频率采集图像，覆盖市区、村庄、高速公路等，包括图片视频、激光雷达等数据类型。场景数据集的标签包括五类：道路、城市、人物、校园和住宅。KITTI 数据集可用于各种评估任务，包括立体图像、物体跟踪、路面和车道线检测等。
KITTI 数据集地址：。
BDD100k 数据集
BDD100K数据集于2018年发布，是目前最大、最多样化的自动驾驶视频数据集。该数据集具有四大特点：*敏*感*词*、多样化、真实街道采集和时间信息。该数据集收录大量积累了1100多小时驾驶经验的高清视频，并伴随手机记录的IMU/GPS信息，展示自动驾驶汽车的大致行驶轨迹。此外，BDD100k数据集涵盖了白天和黑夜不同时间段的各种复杂天气条件，包括晴天、雨天、阴天等采集。
研究人员将这些数据分为五类：图像标记、可行驶区域、道路对象边界框、车道标记和全帧实例分割。
百度 Apollo Scape 数据集
百度 Apollo Scape 数据集于 2016 年发布，该数据集共定义了 26 个不同语义项目的数据实例，例如汽车、自行车、行人和建筑物。该数据集还收录多变天气和复杂道路环境下的各种数据示例。整个数据集将收录场景语义分割级别的逐像素高分辨率图像序列和密集 3D 点云的 RGB 视频。截至 2018 年 4 月，百度的 Apollo Scape 数据集已发布 146,997 帧图像，并带有相应的像素级注释和车辆姿态信息。
百度 Apollo Scape 数据集分为三个子集，用于训练。测试和验证。目前不提供用于测试目的的图像注释。实例集注解可以用于数据集的一个子集，它还提供静态背景的深度图。
目前百度Apollo Scape数据集主要针对2D图像的数据标注，针对单幅图像分析和视频分析任务提供了三个3-评估指标来评估数据标注任务的质量。
百度 Apollo Scape 数据集地址：
城市景观数据集
城市景观数据集由梅赛德斯-奔驰 采集 于 2016 年发布，面向城市道路和街景。Cityscape收录50个城市在春、夏、秋三个不同季节、不同时间段、不同场景、不同背景的街景图像。城市景观数据集每月提供约5000张精细标注图像和20000张粗标注图像，30种标注对象，均使用PASCAL VOC标准评分来评估算法的性能。
Cityscape数据集地址：
Common.ai 数据集
该数据集发布于2016年，主要是高速公路上的采集视频数据集，包括以20Hz的频率记录的10个可变大小的视频片段。与其他数据集相比，该数据集除了记录图像数据外，还记录了自主车辆本身的测量值，如车速、加速度、转向值、GPS坐标、陀螺仪角度等值。
Common.ai 数据集地址为：
牛津 RobotCar 数据集
Oxford RobotCar数据集是牛津大学2014年发布的数据集，采集在牛津校区的道路上，全长1010.64公里，历时一年半年采集 。该数据集采集了大雨、大雪、阳光等各种天气条件，以及白天和黑夜场景等一天中不同时间段的数据，还收录施工路段的道路数据，非常适合评估计算机视觉算法的性能。
Oxford RobotCar数据集地址：
GTA 数据集
GTA 数据集基于英特尔开发的游戏《侠盗猎车手 5》采集 的数据集，用于训练自动驾驶模型。GTA基于语义分割，基于虚拟游戏环境，但它涵盖了几乎所有真实的*敏*感*词*情况，包括山区、郊区、高速公路、城市等道路，以及卡车、汽车和消防车。对于刚接触自动驾驶的人来说，GTA数据集可以方便的帮助他们快速适应自动驾驶环境，完成自动驾驶的开发。
GTA数据集地址：
参考：
【数据集】自动驾驶的测试基准有哪些；
数据标注，“自动驾驶新引擎”。
