1. Набор данных KITTI

годы：2012Год；

автор：Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago；

Количество сцен：о50индивидуальный,сцена на открытом воздухе；

Количество категорий：общий9добрый,Они машина,Van,Truck,Pedestrian,Person_sitting,Cyclist,Tram,Misc,DontCare；

Стоит ли собирать 360°：нет；

Общий объем данных：включать7481Тренировочный набор Чжан,7518 тестовая коллекция,И соответствующие данные облака точек;

Общее количество аннотаций：о200,000 блоков 3D-аннотаций;

Модель датчика：GPS/IMUМодельOXTS RT 3003, модель лидара Velodyne. HDL-64E, модель камеры в оттенках серого — FL2-14S3M-C, модель цветной камеры — FL2-14S3C-C, частота лидара — 10 кадров в секунду, каждый цикл захватывает примерно 100 000 точек, самое короткое время затвора камеры — 2 мс и использует лидар для запуска съемки камерой, поэтому частота камеры совпадает с частотой лидара;

Ссылка на набор данных：https://www.cvlibs.net/datasets/kitti/index.php；

Введение：KITTIда Автономное Одна из наиболее важных коллекций данных в области вождения, которая предлагает большое количество реальных данных. сценв соответствии с,Используется для лучшего измерения и выполнения алгоритма тестирования. В дополнение к 3D-обнаружению целей,Набор данных KITTI также можно использовать для оценки стереоскопических изображений.,световой поток,визуальное определение дальности,Производительность технологий компьютерного зрения, таких как 3D-слежение в транспортных средствах. До 15 транспортных средств и 30 пешеходных объектов на изображение,Он также включает в себя различные степени окклюзии и усечения.

2. Набор данных nuScenes

годы：2019Год；

автор：nuTonomy；

Количество сцен：о1000индивидуальный场景,сцена на открытом воздухе,Собрано из Бостона и Сингапура;

Количество категорий：общий23добрый,Включая автомобиль,Pedestrian,Bus,Велосипед и т. д.;

Стоит ли собирать 360°：да；

Общий объем данных：включать40,000 данных изображений и соответствующие им данные облаков точек;

Общее количество аннотаций：о1400,000 блоков 3D-аннотаций;

Модель датчика：общий配备Понятно6индивидуальный相机МодельBasler acA1600-60gc, разрешение — 1600x900. За исключением угла обзора задней камеры 110°, угол обзора остальных пяти камер составляет 70°. Центральный угол поля зрения передней и боковой камеры составляет 55 градусов. частота сбора данных камеры составляет 12 Гц. Использовалась 32-строчная модель LiDAR, Velodyne. HDL32E, частота сбора данных 20 Гц, также оснащен 5 моделями радаров: Continental ARS 408-21 и модель GPS/IMU Advanced. Navigation Spatial；

Ссылка на набор данных：https://www.nuscenes.org/nuscenes#overview；

Введение：nuScenesда Автономное NuScenes, один из наиболее важных наборов данных в области вождения, по сравнению с набором данных KITTI, имеет больший размер и также записывает данные радара (собираемые с радара). Набор данных состоит из 1000 сцен, длительность каждой сцены 20 секунд. В каждой сцене 40 ключевых кадров, то есть 2 ключевых кадра в секунду, а остальные кадры — это развертки. Ключевые кадры аннотированы вручную. Каждый кадр содержит несколько аннотаций. Аннотация имеет форму границы. В поле отмечен не только размер, диапазон, но также категория, видимость и т. д. Этот набор данных очень хорош с точки зрения количества выборок и формы аннотации. Он записывает собственную траекторию движения автомобиля (относительно глобальных координат) и содержит множество датчиков, которые можно использовать для реализации более интеллектуальных алгоритмов распознавания и восприятия. алгоритм слияния.

3. Набор данных Waymo

годы：2020Год；

автор：Waymo ООО и Google LLC

Количество сцен：общий1150индивидуальный场景,В основном собрано из Сан-Франциско.,Mountain Вью, Феникс и т. д.;

Количество категорий：общий4добрый,Транспортные средства,Pedestrians,Велосипедисты и знаки;

Собирать ли 360°: да;

Общий объем данных：общий Включать 2030 роликов по 20 секунд каждый;

Общее количество аннотаций：о12,600,000 блоков 3D-аннотаций;

Модель датчика：Включать1индивидуальныйmid-range LiDAR, 4 ближнего действия LiDAR, 5 камер (фронтальная и боковая), а также LiDAR и камеры синхронизированы и откалиброваны;

Ссылка на набор данных：https://waymo.com/open/；

Введение：Waymoда Автономное Одна из наиболее важных коллекций данных в области вождения, она очень большая и в основном используется для поддержки автономного управления. вождение Исследование технологии восприятия. Waymo в основном состоит из двух наборов данных: Perception Набор данных и движение Набор данных. Среди них Восприятие Набор данных включает в себя 3D-аннотацию, 2D-аннотацию панорамной сегментации, аннотацию ключевой точки, 3D-аннотацию семантической сегментации и т. д. Движение Набор данных в основном используется для исследования интерактивных задач. Он содержит в общей сложности 103 354 клипа продолжительностью 20 секунд, помеченных различными объектами и соответствующими данными трехмерных карт.

4. Набор данных Lyft L5

годы：2019Год；

автор：Woven Planet Holdings；

Количество сцен：общий1805индивидуальный场景,открытый；

Количество категорий：общий9добрый,Включая автомобиль,Pedestrian,traffic фонари и т. д.;

Стоит ли собирать 360°：да；

Общий объем данных：включать46,000 данных изображений и соответствующие им данные облаков точек;

Общее количество аннотаций：о1300,000 блоков 3D-аннотаций;

Модель датчика：включать2индивидуальныйLiDARs,Это 40 и 64 строки соответственно.,Устанавливается на крышу и бампер.,Его разрешение составляет 0,2°.,Было собрано около 216 000 точек при частоте 10 Гц. также,Также включает в себя 6 камер с обзором на 360° и 1 телеобъектив.,Частота сбора данных камеры и LiDAR одинакова.

Ссылка на набор данных：https://level-5.global/data/；

Введение：Lyft L5 представляет собой полный набор наборов данных для автономного вождения уровня L5. Он считается «крупнейшим общедоступным набором данных для автономного вождения в отрасли» и охватывает прогнозирование. Набор данных и восприятие Набор данных. Среди них предсказание Набор данных охватывает парк испытаний беспилотных автомобилей в Пало На Альто встречаются различные цели, такие как автомобили, велосипедисты и пешеходы. Восприятие Набор данных охватывает реальные данные, собранные с помощью LiDAR и камер, установленных в автопарках, и вручную аннотирует большое количество трехмерных ограничивающих рамок.

5. Набор данных H3D

годы：2019Год；

автор：Honda Research Institute；

Количество сцен：общий160индивидуальный场景,открытый；

Количество категорий：общий8добрый；

Стоит ли собирать 360°：нет；

Общий объем данных：включать27,000 данных изображений и соответствующие им данные облаков точек;

Общее количество аннотаций：о1100,000 блоков 3D-аннотаций;

Модель датчика：общий配备Понятно3индивидуальный相机МодельGrasshopper 3. Все разрешения — 1920x1200. За исключением угла обзора задней камеры, который составляет 80°, угол обзора двух других камер составляет 90°. Используется 64-строчный LiDAR модели Velodyne. HDL64E S2 и модель GNSS+IMU ADMA-G;

Ссылка на набор данных：http://usa.honda-ri.com/H3D；

Введение：Исследовательский институт Хонды в2019Год3Выпустите свою систему автономного вождения в мартеданныенаборH3D。Долженданныенабор使用3D Сканер LiDAR собрал трехмерные данные обнаружения и отслеживания нескольких объектов, содержащие 160 многолюдных и интерактивных дорожных сцен с более чем 1 миллионом помеченных экземпляров в 27 721 кадре.

6. Набор данных ApplloScape

годы：2019Год；

автор：Baidu Research；

Количество сцен：общий103индивидуальный场景,открытый；

Количество категорий：общий26добрый,включая малые автомобили,big транспортные средства, пешеход, мотоциклист;

Стоит ли собирать 360°：нет；

Общий объем данных：включать143,906изображенияданные,и соответствующие данные облака точек;

Общее количество аннотаций：Общее количество аннотацийнеизвестный；

Модель датчика：общий Конфигурация Понятно2индивидуальныйVUX-1HA laser сканеры, 6 камер VMX-CS6 (две фронтальные камеры имеют разрешение 3384х2710) и лазерное устройство IMU/GNSS; сканеры используют два лазерных луча для сканирования окружающей среды с помощью широко используемого Velodyne. По сравнению с HDL64E, сканер может получать облака точек с более высокой плотностью и более высокой точностью (5 мм/3 мм);

Ссылка на набор данных：http://apolloscape.auto/index.html；

Введение：ApolloScapeЗависит отRGBВидео и соответствующая композиция плотного облака точек。Включать超过140Kкартинки,И каждое изображение имеет семантическую информацию на уровне пикселей. данные, собранные в стране,По сравнению с некоторыми зарубежными коллекциями данных,Набор ApolloScapeданные содержит более сложные дорожные сцены.,Большое количество разнообразных целей,И похож на набор KITTIданные,Также включает в себя легкий,Moderate,Жесткие три подмножества.

7. Набор данных Арговерс

годы：2019Год；

автор：Argo ИИ и т. д.;

Количество сцен：общий113индивидуальный场景,открытый,Включая США,Pennsylvania,Miami,Флорида и др.;

Количество категорий：общий15добрый,Включает автомобиль,Pedestrian,Stroller,Животное и т. д.;

Стоит ли собирать 360°：да；

Общий объем данных：включать44,000 данных изображений и соответствующие им данные облаков точек;

Общее количество аннотаций：о993,000 блоков 3D-аннотаций;

Модель датчика：иKITTIиnuScenesсходство,Набор данных Argoverse Конфигурация с двумя 32-проводными датчиками LiDAR,Номер модели — VLP-32. в то же время,Включает 7 камер кругового обзора высокого разрешения.,Разрешение 1920x1200.,2 фронтальные камеры,Разрешение 2056x2464;

Ссылка на набор данных：https://www.argoverse.org/；

Введение：ArgoverseвданныеотArgo Подмножество территорий, где тестируются беспилотные автомобили AI, в Майами и Питтсбурге — двух городах США с разными проблемами городского вождения и местными привычками вождения. Записи данных датчиков, или «сегменты журналов», включаются в разные сезоны, погодные условия и разное время суток, чтобы обеспечить широкий спектр реальных сценариев вождения. Он содержит 3D-аннотации отслеживания для 113 сцен, каждый сегмент длится 15–30 секунд, и содержит в общей сложности 11 052 цели отслеживания. Среди них 70% аннотированных объектов — транспортные средства, а остальные — пешеходы, велосипеды, мотоциклы и т. д. Кроме того, Argoverse содержит картографические данные высокой четкости, в основном включая 290 километров карт полос движения в Питтсбурге и Майами, например; как местоположение, соединения, сигналы светофора, высота и т. д. информация.

8. Набор данных Matterport3D

годы：2017Год；

автор：Princeton University,Stanford Университет и т. д.;

Количество сцен：общий90индивидуальный建筑物,внутренние сцены;

Общий объем данных：общий194,400 изображений RGB-D, 10,800 панорамных изображений, 24,727,520 текстурированных треугольников;

Модель датчика：Matterportизданныеполучать,Фотоаппаратура, установленная на штативе,Есть 3 цветные камеры и 3 камеры глубины.,Распространены в верхней, средней и нижней частях. для каждой панорамы,Его нужно повернуть вертикально в 6 разных сторон (то есть сделать снимок под углом 60 градусов),Каждая цветная камера снимает изображения с расширенным динамическим диапазоном. когда камера вращается,3 камеры глубины продолжают снимать данные,Интегрируйте для создания изображения глубины 1280x1024.,Зарегистрировано с каждой цветной фотографией. Каждое панорамное изображение состоит из 18 цветных изображений.,Центральная точка — это точно рост фотографирующего человека.

Ссылка на набор данных：https://niessner.github.io/Matterport/#explore；

Введение：Matterport3D,представляет собой массивный RGB-Дданный набор. Предоставляются реконструкция поверхности, поза камеры, а также аннотации семантической сегментации 2D и 3D. Matterport3D обеспечивает точное глобальное выравнивание и обширный, разнообразный набор панорам, охватывающих все здание.,Делает возможным выполнение различных задач компьютерного зрения.,включатьkeypoint matching、view overlap prediction、normal prediction、semantic segmentation,scene классификацияждать；

Reference

[1] https://blog.csdn.net/weixin_40994913/article/details/83663270；

[2] 3D Object Detection for Autonomous Driving: A Survey,Pattern Recognition；

[3] https://gas.graviti.com/open-datasets?usedScene=Autonomous+Driving&from=cn&page=2；

Эта статья предназначена только для академического обмена. Если есть какие-либо нарушения, свяжитесь с нами, чтобы удалить статью.