协同感知数据集收集

KITTI open benchmark数据集作为自动驾驶中最常用的对象检测数据集之一，包含2D、3D和鸟瞰视图。KITTI配备了四台高分辨率相机、Velo- dyne激光扫描仪和最先进的定位系统，收集了7481幅训练图像和7518幅测试图像以及相应的点云数据。被标记为汽车、行人和骑行人的这三类，有20多万个3D对象，并且这些对象的按照检测难度被分为三类：容易、中等和困难。因此，对于KITTI目标检测，其平均精度经常被用于比较模型能力。此外，平均方向相似度也被用来评估联合检测目标和估计其三维方向的性能。官网

Waymo开放数据集由五个激光雷达传感器和五个高分辨率针孔相机收集，是自动驾驶基准测试最大的开放数据集之一。具体来说，有798个用于训练的场景，202个用于验证的场景，以及150个用于测试的场景。每个场景持续20秒，并配有车辆、骑行者和行人的标注。为了评估3D对象检测任务，Waymo由四个指标组成:AP/L1，APH/L1，AP/L2，APH/L2。AP和APH代表两种不同的性能测量，而L1和L2包含具有不同检测难度的对象。至于APH，它的计算类似于AP，但按航向精度加权。

NuScenes开放数据集包含1000个驾驶场景，其中700个用于训练，150个用于验证，150个用于测试。nuScenes配备了相机、激光雷达和雷达传感器，可以在每个关键帧中标注23个对象类别，包括不同类型的车辆、行人和其他人。NuScenes使用AP、TP进行性能评估检测。此外，NuScenes提出了一种新的标量分数作为核场景检测分数(NDS)，通过AP、TP分离不同的错误类型来计算。

DAIR-V2X 数据集总计71254帧图像数据和71254帧点云数据：DAIR-V2X协同数据集(DAIR-V2X-C)，包含38845帧图像数据和38845帧点云数据；DAIR-V2X路端数据集(DAIR-V2X-I)，包含10084帧图像数据和10084帧点云数据；DAIR-V2X车端数据集(DAIR-V2X-V)，包含22325帧图像数据和22325帧点云数据。DAIR-V2X数据集首次克服了以往车路协同在同一时空检测但数据不同步的难题，提出车路协同多模态融合方法并给出检测指标，解决了车路协同产业以往缺乏真实道路场景数据的痛点。官网

待补充