前言

ARGO是一個自動駕駛場景的數據集，它有競賽排行（立體深度估計、運動預測、3D檢測、3D跟蹤等等），截止2021.12最新版本是Argoverse 1.1；Argoverse1.1 通過1000 多個駕駛小時中提取，包括 113 個場景的 3D 跟蹤注釋，和用于運動預測的 324,557 條車輛軌跡。

官網地址：https://www.argoverse.org/data.html

一、Argoverse 1.1簡介

Argoverse 1.1通過1000 多個駕駛小時中提取，包括 113 個場景的 3D 跟蹤注釋，和用于運動預測的 324,557 條車輛軌跡。它還兩張帶有車道中心線、交通方向、地面高度等的高清 (HD) 地圖。支持將地圖數據與傳感器信息連接起來的 API。

使用一組完全與 Argo AI 自動駕駛技術集成的相同福特 Fusion 混合動力車收集了所有數據。包括來自兩個 LiDAR 傳感器、七個環形攝像頭和兩個前置立體攝像頭的數據。所有傳感器都安裝在車頂上：

1.1?激光雷達?2 個安裝在車頂的 LiDAR 傳感器；重疊 40° 垂直視野；范圍 200m；LiDAR 傳感器平均會在 10 Hz 下產生約 107,000 個點的點云；

1.2?相機?七個高分辨率環形攝像機 (1920 x 1200)，具有 360° 的綜合視野， 以 30 Hz 的頻率進行記錄；兩個前置立體攝像頭 (2056 x 2464) 以 5 Hz 采樣；

1.3 定位?結合了基于 GPS 和基于傳感器的定位方法，為每個時間戳提供了 6-DOF 定位。

1.4 傳感器之間校準?每個駕駛會話的傳感器測量值都存儲在“log日志”中。對于每個日志，提供 LiDAR 和所有九個攝像頭的內在和外在校準數據。

二、競賽

2.1 立體深度估計競賽（CVPR?）

EvalAI: Evaluating state of the art in AIhttps://eval.ai/web/challenges/challenge-page/917/overview

2.2 運動預測競賽（CVPR?）

EvalAI: Evaluating state of the art in AIhttps://eval.ai/web/challenges/challenge-page/454/overview

2.3 3D目標檢測

EvalAI: Evaluating state of the art in AIhttps://eval.ai/web/challenges/challenge-page/725/overview

2.4 3D跟蹤競賽（CVPR?）

EvalAI: Evaluating state of the art in AIhttps://eval.ai/web/challenges/challenge-page/453/overview

三、下載數據集

?地址：https://www.argoverse.org/data.html

如果做2D目標檢測的，只使用“”前面中央位置的相機“”，可以到這里下載，大約30G左右。

Streaming Perceptionhttp://www.cs.cmu.edu/~mengtial/proj/streaming/

本文只供大家參考與學習，謝謝。

總結

以上是生活随笔為你收集整理的ARGO数据集—自动驾驶场景（版本：Argoverse 1.1）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。