【动手学轨迹预测】1.6 常用数据集: Waymo Open Dataset

上一节提到了, 评价轨迹预测结果优劣需要有agent的真值, 那么如此大数据量的真值如何获取呢? 有一些开源机构在线上公布了他们采集到的数据集, 本节将介绍轨迹预测常用的一些数据集.

Waymo Open Dataset是Waymo公司为了促进自动驾驶技术、机器感知和相关领域的研究而公开发布的一个大型数据集。该数据集包含了Waymo自动驾驶车队在多个城市和郊区环境中收集的高分辨率传感器数据，涵盖了白天和夜晚、晴天和雨天等多种天气和光照条件下的驾驶场景。

对于轨迹预测需要使用Waymo Motion数据集分为: 70%的训练集(training)、15%的测试集(testing)和15%的验证集(validation)。

Waymo每年都会举办Motion Prediction Challenge, 论文作者可以将自己的模型提交官方测试, 2024参赛模型的表现排行榜如图:

测试集的真值对参赛者是隐藏的。因此，测试集仅包含1秒的历史数据。而训练集和验证集则包含用于模型开发的地面真实未来数据。此外，测试集和验证集还提供了场景中最多8个对象轨迹的列表以供预测。这些对象轨迹的选择旨在包含有趣的行为和平衡的对象类型。

1.6.1 数据格式

Waymo Motion数据集由103,354个片段组成，每个片段包含20秒的对象轨迹，采样率为10Hz，以及覆盖该片段区域的地图数据。这些片段进一步被分割成9秒的时间窗口（包含1秒的历史数据和8秒的未来数据），且这些窗口之间存在不同的重叠。数据以两种形式提供:

• 以Scenario ****protos buffers存储
• 将Scenario ****Protocol Buffers转换为 tf.Example protos，其中包含用于构建模型的张量

<