20万帧，超过88万条实例级车道，14个车道类别……复杂场景的车道识别，可以用这个数据集

最近，许多公司在智能驾驶方面动作频频，足以窥见智能驾驶赛道的火热。 

● 小米汽车6月公布了16个专利信息，涉及目标检测、车道识别、语义分割等多个智能驾驶技术方案，并有7个已进入实质审查阶段；

● 百度Apollo“完全无人驾驶”车队驶入广州街头，进行公开道路整车无人的自动驾驶测试；

● 理想L9新车型发布，宣称配备L4级别的智能驾驶硬件设备，支持自动泊车、城市智能驾驶、车辆远程召唤等场景……

小米汽车6月公布的16个专利信息（点击放大查看，图源：参考资料[1]）

目录

一、自动驾驶系统成为新车型标配

二、自动驾驶系统如何发挥作用

三、大规模真实场景3D车道数据集

四、OpenLane数据集详情

---

一、自动驾驶系统成为新车型标配

传统汽车市场一片红海，造车新势力用新技术、新思维搅动了整个行业，就连手机厂商也要下场分“一杯羹”，高企的燃油价格也让消费者对燃油车望而却步，传统车企们怎一个“难”字了得，所以创新与转型势在必行。

正值国家大力倡导节能减排、发展新能源、智能制造、人工智能，乘上了这股“东风”的智能电动汽车，集“天时、地利、人和”优势于一体，被寄予厚望，无数人期待它能像互联网颠覆传统行业一样，给汽车行业带来新一轮革新。

其中，智能辅助驾驶系统作为智能电动汽车的亮点配置，已经成为新一代车型的标配内容。

二、自动驾驶系统如何发挥作用

根据人与车的协作程度，自动驾驶系统分为6个等级。

L4以下，需要驾驶员参与的都归为辅助驾驶范畴；L4及L4以上，车辆能够脱离驾驶员操作，在特定的或所有的场景均能自主行驶，才算实现真正的无人驾驶。

自动驾驶系统分级（图源：网络）

目前国内不少车型已经能达到L2级别，实现“部分自动驾驶”功能，比如自适应巡航、车道保持、车道偏离提示、自动刹车辅助和自动驻车等。数据显示，在2021年，全口径乘用车有22.2%安装L2级自动驾驶系统。[2]

三、大规模真实场景3D车道数据集

新车型配备智能辅助驾驶系统已成为主流，但系统在实际应用中，还有不少需改进的地方。比如，在许多辅助驾驶场景中，上坡、下坡、转弯、颠簸时，会出现车道保持不稳定的问题。

为了提高复杂环境下车道识别的准确度，来自上海人工实验室、商汤研究院及上海交通大学等的研究团队分析了现有的车道检测方法的不足：传统的单目2D车道检测方案在自动驾驶的跟踪规划和控制任务中性能较差；3D车道检测方案在前视图和鸟瞰视图（BEV）之间的空间转换设计过于简单，并且缺乏真实的数据，在复杂场景下不适用。

针对这些问题，团队提出了PersFormer（Perspective Transformer）：一种端到端的单目3D车道检测器，其中有一个基于Transformer的空间特征转换模块。模型以摄像机参数为参考，通过关注相关的前视图局部区域来生成BEV特征。PersFormer采用统一的2D/3D锚点设计和加入一个辅助任务来同时检测2D/3D车道，多任务之间分享特征，增强了特征的一致性。[3]

同时，在该论文中发布了业内第一个大规模真实场景3D车道数据集——OpenLane，具有高质量的注释和场景多样性。该数据集基于自动驾驶领域的主流数据集Waymo Open Dataset构建。[4]

OpenLane包含20万帧、超过88万条实例级车道、14个车道类别（单白色虚线、双黄色实体、左/右路边等），以及场景标签和路线邻近目标（CIPO）注释，以鼓励开发3D车道检测和更多与产业相关的自动驾驶方法。

OpenLane与现有基准的比较。“Avg. Length”表示分段的平均持续时间；“Inst.Anno.”指示车道是否按实例注释（按c.f.语义注释）；“Track. Anno.”表示车道是否具有唯一的跟踪ID；“#Frames”中的数字分别是总帧中带注释的帧数；“Line Category”表示车道种类；“Scenario”表示场景标签。

论文地址：

https://arxiv.org/pdf/2203.11089.pdf

项目地址：

‍https://github.com/OpenPerceptionX/OpenLane

四、OpenLane数据集详情

发布方：上海人工智能实验室

数据格式：Video

数据大小：132.7GB

发布时间：2022

下载地址：

https://opendatalab.com/OpenLane

标注类型：

● 车道形状。每个2D/3D车道显示为一组2D/3D点。

● 车道类别。每条车道都有一个类别，例如双黄线或路缘。

● 车道属性。某些车道具有右、左等属性。

● 车道跟踪ID。除路缘外，每条车道都有唯一的ID。

● 停车线和路缘。

（有关更多注释标准，请参考车道Anno标准）

CIPO/场景注释：

● 二维边界框。其类别表示对象的重要性级别。

● 场景标记。它描述了在哪个场景中收集此帧。 

● 天气标签。它描述了在什么天气下收集此帧。 

● 小时标记。它注释了收集此帧的时间。

（有关更多注释标准，请参阅CIPO Anno标准）

数据集可视化：

‍OpenLane标注样例（图源：参考资料[5]）

OpenLane样例概览，涵盖夜晚、日光、弯道等多种场景（图源：参考资料[5]）

该数据集已在OpenDataLab官方网站（https://opendatalab.com/）上线，目前位列近期热门下载数据集前十名，颇受AI工程师们欢迎，点击链接查看（https://opendatalab.com/OpenLane）。‍

参考资料

[1]https://www.qcc.com/cassets/29c65382c4c909774939722c3ab07f9f.html

[2]https://36kr.com/p/1744605830558977

[3]https://zhuanlan.zhihu.com/p/495979738

[4]LLC, W. "Waymo Open Dataset: An Autonomous Driving Dataset." (2019).

（项目地址：https://waymo.com/open/）

[5]Chen, Li, et al. "PersFormer: 3D Lane Detection via Perspective Transformer and the OpenLane Benchmark." arXiv preprint arXiv:2203.11089 (2022).

（论文下载地址：https://arxiv.org/pdf/2203.11089.pdf）

更多数据集上架动态、更全面的数据集内容解读、最牛大佬在线答疑、最活跃的同行圈子……欢迎添加微信opendatalab_yunying 加入OpenDataLab官方交流群。