轉自https://zhuanlan.zhihu.com/p/45331609

無人駕駛技術涵蓋了感知、決策、控制等領域的方方面面。感知層面對目標識別跟蹤、障礙物檢測、精確定位等技術的需求，使得深度學習等人工智能技術得到廣泛應用。深度學習模型非常依賴無人車行駛環(huán)境的數(shù)據(jù)，而這些數(shù)據(jù)在工程中非常難獲得。無人駕駛數(shù)據(jù)的獲取，需要一定的財力、物力、人力的支持，而一般的個人、小團隊通常沒法應對。幸運的是，這個世界上有一部分團隊將其在無人駕駛研發(fā)過程中收集到的數(shù)據(jù)公開出來，供無人駕駛技術研究者免費使用，這些數(shù)據(jù)在一定程度上大大推進了無人駕駛技術的研發(fā)進程。為免于贅述，我們直接羅列出目前世界上無人駕駛研發(fā)過程中可用的公開數(shù)據(jù)集：

截止到2017年，已公開的數(shù)據(jù)集如下(參考文獻Hang Yin, Christian Berger. When to use what data set for your self-driving car algorithm: An overview of publicly available driving datasets)：

1) Automotive multi-sensor dataset (AMUSE): 瑞典Linkoping大學提供，使用全景攝像頭手機車輛四周的信息，數(shù)據(jù)中包括冬天下雪場景。

2) Caltech Pedestrian Detection Benchmark (Caltech): 加州理工學院提供，包含大量的行人及行人標注信息。

3) Cambridge-driving Labeled Video Database (CamVid): 英國劍橋大學提供

4) CCSAD數(shù)據(jù)集：墨西哥數(shù)學研究中心提供，包含發(fā)展中國家的雙目視覺視頻數(shù)據(jù)。

5) Cheddar Gorge Dataset: 英國BAE提供，包含單目、雙目、紅外攝像頭，使用Velodyne 64線LiDAR，GPS/IMU數(shù)據(jù)等，數(shù)據(jù)豐富

6) Cityscapes dataset：包含戴姆勒在內(nèi)的三家德國單位聯(lián)合提供，包含50多個城市的立體視覺數(shù)據(jù)；像素級標注；提供算法評估接口；

7) CMU Visual Localization Dataset (CMU): 卡耐基梅隆大學提供，包含各種天氣、光照條件下的數(shù)據(jù)

8) Comma.ai driving dataset (comma.ai): comma.ai提供，包含高速公路交通數(shù)據(jù)

9) Daimler Pedestrian Benchmarks (Daimler pedestrian): 戴姆勒以及阿姆斯特丹大學聯(lián)合提供，包含行人檢測、目標分類、場景分割、基于單目和雙目圖像的路徑預測等，還包含自行車數(shù)據(jù)集

10) Daimler Urban segmentation (Daimler urban): 德國6D-Vision提供，包含城市交通的雙目視頻序列，像素級標注

11) DIPLECS Autonomous Driving Datasets (DIPLECS): 悉尼大學提供

12) Dr(eye)ve: 意大利ImageLab提供，可用于研究司機意圖、行人意圖等，屬首次

13) EISATS：包含戴姆勒在內(nèi)的多家單位聯(lián)合提供，包含雙目視頻信息

14) Elektra：西班牙兩所大學聯(lián)合提供

15) ETH pedestrian dataset： 蘇黎世理工學院ETH提供，交通擁堵市中心的雙目圖像信息，包含很多行人

16) Ford Campus Vision and Lidar Data Set (Ford): 密歇根大學提供，使用了高精度定位設備、多個LiDAR、全景攝像頭等，包含軟件開發(fā)包

17) German Traffic Sign Detection Benchmark (German traffic sign): 德國魯爾大學提供，為大量含有交通信號燈的靜態(tài)圖像

18) Heidelberg benchmarks (Heidelberg): 德國海德堡大學提供

19) Joint Attention for Autonomous Driving Dataset (JAAD): 加拿大約克大學提供

20) Karlsruhe Dataset: Labeled Objects: MPI-IS(我也不知道這是哪家單位，有會翻譯的請留言)提供，包含車輛和行人的標注信息，甚至包含目標的姿態(tài)信息。

21) Karlsruhe Dataset: Stereo Video Sequences + rough GPS Poses (Karlsruhe stereo): MPI-IS提供，雙目視頻圖像序列

22) KITTI Vision Benchmark (KITTI): 德國卡爾斯魯赫理工學院和美國豐田技術研究中心聯(lián)合提供，目前為止最受歡迎的數(shù)據(jù)集，包含了雙目視覺、激光雷達、GPS等自動駕駛感知所需要的幾乎所有的數(shù)據(jù)。

23) Malaga Stereo and Laser Urban Data Set (Malage): 馬拉加大學提供， 文檔全，工具豐富，網(wǎng)頁提供了留言交流版塊

24) Oxford robotcar dataset (Oxford): 英國牛津大學提供，包含了某些特定路段長達一年的數(shù)據(jù)信息，屬首次

25) Stanford track collection (Stanford): 斯坦福大學提供，包含Velodyne 64線激光雷達點云數(shù)據(jù)，已經(jīng)完成了目標注釋，而且還包含GPS/IMU數(shù)據(jù)

26) Ground Truth Stixel Dataset (Stixel): 德國6D-Vision提供，包含高速路上的大雨場景

27) Udacity dataset: 優(yōu)達學城提供，開源項目

截止到目前2018年，又有一些可用的無人駕駛數(shù)據(jù)集，主要包括：

28) ApolloScape: 中國百度提供，可用于研究三維車輛識別、車道識別、車輛定位，國內(nèi)數(shù)據(jù)下載速度很快，國內(nèi)開發(fā)者的福音

29) BDD100K：加州大學伯克利分校提供，包含100000個視頻，每一個大約時長40秒，720p，自稱是ApolloScape的800倍大(意味著更長的下載時間)

30) nuScenses：nuTonomy與Scale聯(lián)合提供，數(shù)據(jù)集中包含1000多個場景， 共有140萬張圖片，激光雷達掃描次數(shù)達40萬次(旨在判定目標物間的距離)，包含110萬個3D邊界盒(bounding boxes)(利用RGB攝像頭、雷達及激光雷達探查目標物)，并利用Scale的傳感器融合注釋API進行細致的標注

目前為止，最受歡迎(根據(jù)已發(fā)表文獻數(shù)量)的數(shù)據(jù)集為三個：KITTI、Caltech、Daimler pedestrian。

總結

以上是生活随笔為你收集整理的无人驾驶图像数据集_自动驾驶数据集的全部內(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。