文章首發(fā)于微信公眾號《有三AI》

【數(shù)據(jù)集】自動駕駛都有什么測試基準？

自動駕駛是現(xiàn)在非常活躍的領(lǐng)域，幾乎所有的車廠，大型互聯(lián)網(wǎng)公司都參與其中，其中計算機視覺技術(shù)的應(yīng)用也非常廣泛，這篇文章將對自動駕駛中的重要數(shù)據(jù)集做簡單介紹。

?

01?KITTI數(shù)據(jù)集

數(shù)據(jù)集地址：http://www.cvlibs.net/datasets/kitti/index.php

發(fā)布于2009年，KITTI數(shù)據(jù)集是由德國卡爾斯魯厄理工學院和芝加哥豐田技術(shù)學院聯(lián)合創(chuàng)辦的項目。

該數(shù)據(jù)集中的數(shù)據(jù)主要是在德國的卡爾斯魯厄周邊的農(nóng)村和高速公路拍攝而成，每張圖象最多顯示15輛汽車和30名行人，各自有各種程度的遮擋。數(shù)據(jù)集是在裝有激光雷達的車輛上以10Hz的頻率采樣進行采集，最終包含389對立體圖像和光流圖，39.2km視覺測距序列，200k以上的3D標注物體的圖像，涵蓋了市區(qū)、鄉(xiāng)村和高速公路等場景，包括圖片、視頻、雷達數(shù)據(jù)等數(shù)據(jù)類型。

數(shù)據(jù)集的語義標簽包括：

‘Road’，‘City’，‘Person’，‘Campus’和‘Residential’五大類。

KITTY數(shù)據(jù)集可以用于評測各種任務(wù)，包括立體圖像(stereo)，光流(optical flow)，視覺測距(visual odometry)，深度估計(depth prediction)，3D物體檢測(object detection)，3D跟蹤(tracking)，路面以及車道線檢測等。

參考論文鏈接：http://www.webmail.cvlibs.net/publications/Geiger2012CVPR.pdf

?

02?Oxford RobotCar數(shù)據(jù)集

數(shù)據(jù)集地址：https://www.cityscapes-dataset.com/

發(fā)布于2014年，是在牛津大學校園內(nèi)路測，總長度1010.64公里，歷時一年半所采集的數(shù)據(jù)集。在各種天氣條件下進行收集，包括大雨，夜間，陽光直射和積雪，也包含施工路段行駛場景，具有非常復(fù)雜的天氣場景，尤其適合評測計算機視覺算法。

下圖是數(shù)據(jù)采集時所走的路線圖。

下圖是在不同天氣、光線情況和交通狀況下的數(shù)據(jù)集中的示例圖。

參考論文鏈接：http://robotcar-dataset.robots.ox.ac.uk/images/robotcar_ijrr.pdf?

?

03?Cityscape數(shù)據(jù)集

數(shù)據(jù)集地址：

https://www.cityscapes-dataset.com/Cityscapes

發(fā)布于2016年，這是由奔馳采集的面向城市道路街景語義理解的數(shù)據(jù)集。Cityscapes包含50個城市在春夏秋三個季節(jié)不同時間段不同場景、背景的街景圖，提供5000張精細標注的圖像、20000張粗略標注的圖像、30類標注物體。用PASCAL VOC標準的 intersection-over-union(IoU)得分來對算法性能進行評價。

參考論文鏈接： https://arxiv.org/pdf/1604.01685.pdf?

?

04?Common.ai數(shù)據(jù)集

數(shù)據(jù)集地址：https://github.com/commaai/research

發(fā)布于2016年，這是一段高速公路的視頻數(shù)據(jù)集，包括10個可變大小的視頻片段，以20Hz的頻率記錄。數(shù)據(jù)除了圖像之外，還記錄了一些測量值，如汽車速度，加速度，轉(zhuǎn)向角，GPS坐標，陀螺儀角度。

參考論文鏈接：https://arxiv.org/pdf/1608.01230.pdf

?

05?Udacity數(shù)據(jù)集

數(shù)據(jù)集地址：https://github.com/udacity/self-driving-car/tree/master/datasets

發(fā)布于2016年，Udacity是Google開設(shè)的線上教育平臺，其中有自動駕駛相關(guān)線上培訓(xùn)，它也為其自動駕駛算法比賽專門準備了數(shù)據(jù)集。這個數(shù)據(jù)集包括在加利福尼亞和鄰近城市在白天條件下行駛拍攝的圖像，為1920×1200分辨率的9423幀圖像，包含超過65000個標簽。數(shù)據(jù)集是由CuldAd使用機器學習算法和研究員共同進行標注。

除了車輛拍攝的圖像以外，還包括車輛本身的屬性和參數(shù)信息，例如經(jīng)緯度、制動器、油門、轉(zhuǎn)向度、轉(zhuǎn)速。

?

06?BDD100K數(shù)據(jù)集

數(shù)據(jù)集地址：http://bdd-data.berkeley.edu/#video

發(fā)布于2018年，這是目前來說最大規(guī)模也是最多樣化的駕駛視頻數(shù)據(jù)集，這些數(shù)據(jù)具有四個主要特征：大規(guī)模，多樣化，在真實的街道采集，并帶有時間信息。

該數(shù)據(jù)集有累計超過1100小時駕駛體驗的100000個高清視頻序列。每個視頻大約40秒長、分辨率為720p、幀率為30fps，還附有手機記錄的GPS/IMU信息，以顯示大概的駕駛軌跡。數(shù)據(jù)庫涵蓋了不同的天氣條件，包括晴天、陰天和雨天，以及白天和晚上的不同時間。

BAIR研究者在每個視頻的第10秒采樣關(guān)鍵幀，并為這些關(guān)鍵幀提供注釋。它們被標記為幾個級別：圖像標記、道路對象邊界框、可駕駛區(qū)域、車道標記線和全幀實例分割，具體來說如下。

邊界框標注，為經(jīng)常出現(xiàn)在道路上的所有10萬個關(guān)鍵幀上的對象標上對象邊界框，以了解對象的分布及其位置。另外它包含比同類數(shù)據(jù)集更多的行人實例。

車道標注，車道線是人類駕駛員重要的道路指示，當GPS或地圖沒有精準地全球覆蓋時，它們也是自動駕駛系統(tǒng)駕駛方向和定位的關(guān)鍵線索。車道的標記分為兩種類型，垂直車道標記和平行車道標記。垂直車道標記表示沿著車道行駛方向的標記，平行車道標記表示車道上的車輛需要停車的標志。另外還提供了若干標記的屬性，例如實線與虛線以及雙層與單層。

下圖是數(shù)據(jù)集中的部分圖像。

下圖展示了數(shù)據(jù)收集在一個城市分布的密集程度。

參考論文鏈接：http://openaccess.thecvf.com/content_cvpr_2017/papers/Xu_End-To-End_Learning_of_CVPR_2017_paper.pdf

?

07?CVPR Workshop

這是CVPR近幾年舉辦的自動駕駛的workshop，由于深度學習的興起，計算機視覺等技術(shù)被用于自動駕駛的目標檢測，語義分割等領(lǐng)域，因此CVPR也開設(shè)了若干相關(guān)的workshop。具體的單元包括可行駛區(qū)域檢測，路面的模板檢測，跨域的語義分割，以及移動目標的實例級別的分割。

?

08?GTA數(shù)據(jù)集

數(shù)據(jù)集地址：http://www.rockstargames.com/grandtheftauto/

英特爾的GTA的AI和這個虛擬世界給予了訓(xùn)練自動駕駛的可行性，一款賽車游戲《Grand Theft Auto 5》也被用來訓(xùn)練自動駕駛的模型，而且是一個相對廉價且適合初級人工智能探索的自動駕駛試驗場。GTA是以語義分割為主，基于虛擬的游戲環(huán)境，但接近真實世界，其中幾乎涵蓋了各種各樣的道路狀況，包括山區(qū)、郊區(qū)和城市。還有各種各樣的車輛，比如警車、救護車、出租車、貨車等車型。

?

09?TORCS數(shù)據(jù)集

數(shù)據(jù)集地址： http://torcs.sourceforge.net/

TORCS是一種高度便攜的多平臺賽車模擬，被用作普通的賽車游戲，可以作為AI賽車游戲和研究平臺。

?

10?nuScenes數(shù)據(jù)集

數(shù)據(jù)集地址：

https://d3u7q4379vrm7e.cloudfront.net/download

發(fā)布于2018年，是由NuTonomy編輯的，并將于2019年推出最全的nuScenes數(shù)據(jù)集。采集了1000多個場景，其中包含140萬幅圖像、40萬次激光雷達掃描（判斷物體之間距離）和110萬個三維邊界框（用RGB相機、雷達和激光雷達組合檢測的物體）。此次數(shù)據(jù)的搜集使用了6個攝像頭、1個激光雷達、 5個毫米波雷達、GPS及慣導(dǎo)系統(tǒng)，包括了對于自動駕駛系統(tǒng)來說非常具有挑戰(zhàn)性的復(fù)雜道路、天氣條件等情況。

?

11?百度ApolloScape數(shù)據(jù)集

數(shù)據(jù)集地址：http://apolloscape.auto/scene.html

發(fā)布于2018年，是由百度Apollo提供的數(shù)據(jù)集。數(shù)據(jù)集中提供的圖像分辨率為3384×2710，定義了共26個不同語義項的數(shù)據(jù)實例（例如汽車、自行車、行人、建筑、路燈等），而且將進一步涵蓋更復(fù)雜的環(huán)境、天氣和交通狀況等。預(yù)計2018年數(shù)據(jù)集將完整發(fā)布包含20萬幀的圖像數(shù)據(jù)，包含對應(yīng)的像素級標注和姿態(tài)信息。整個數(shù)據(jù)集將包含逐像素標注的高分辨率圖像序列，以及場景語義分割級別的稠密3D Point的RGB視頻。

更多請移步知乎《有三AI學院》與公眾號《有三AI》

注：部分圖片來自網(wǎng)絡(luò)

—END—

感謝各位看官的耐心閱讀，不足之處希望多多指教。后續(xù)內(nèi)容將會不定期奉上，歡迎大家關(guān)注有三公眾號 有三AI！

?

?

?

?

總結(jié)

以上是生活随笔為你收集整理的【数据集】自动驾驶都有什么测试基准？的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。