DAIR-V2X数据集介绍

最新推荐文章于 2025-03-24 15:42:22 发布
最新推荐文章于 2025-03-24 15:42:22 发布
阅读量1.2k 收藏 4
点赞数 3
文章标签： 目标检测 3d
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hyy713/article/details/134812015
版权

文章目录

自动驾驶安全面临巨大挑战，单车智能存在驾驶盲区、中远距离感知不稳定等问题，导致自动驾驶车辆可运行设计域（ODD）受限，单车智能自动驾驶落地受阻。车路协同将是保障自动驾驶安全运行的必由之路。而数据是车路协同自动驾驶的关键，为促进学术界和产业界共同打造数据驱动的车路协同自动驾驶，清华大学智能产业研究院（AIR）依托北京市高级别自动驾驶示范区，推出全球首个车路协同自动驾驶数据集DAIR-V2X，共同探索车路协同自动驾驶的落地模式。

特点

  • 总计71254帧图像数据和71254帧点云数据

     1. 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
     2. 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
     3. 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

  • 首次实现车路协同时空同步标注
  • 传感器类型丰富，包含车端相机、车端LiDAR、路端相机和路端LiDAR等类型传感器
  • 障碍物目标3D标注属性全面，标注15类道路常见障碍物目标
  • 采集自北京市高级别自动驾驶示范区10公里城市道路、10公里高速公路、以及28个路口
  • 数据涵盖晴天/雨天/雾天、白天/夜晚、城市道路/高速公路等丰富场景
  • 数据完备，包含脱敏后的原始图像和点云数据、标注数据、时间戳、标定文件等

解决问题

与仅包含单车端或路端的数据集相比，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

车端3D检测任务

路端3D检测任务

车路协同3D检测任务

车路协同3D检测是在通信带宽约束下，车端融合路端信息，实现3D目标检测的视觉感知任务。与传统自动驾驶3D检测任务相比，本任务需要解决车端与路端多视角、数据多模态、时空异步、通信受限等挑战，通过设计车路融合感知算法，实现盲区补充、提升感知精度

问题建模

输入：车端多模态数据、路端多模态数据，以及对应的时间戳和标定文件
优化目标：
① 提高检测性能：提升算法在测试集上的3D目标检测精度
② 减少路端数据使用量：保证相近精度的前提下，降低路端数据使用量，减少通信时延
③ 减少传感器使用量：保证相近精度的前提下，降低车端和路端传感器使用数量，以节省成本、降低能耗

评测指标

① 目标检测精度：针对车辆、行人等目标，计算3D边界框的尺寸、位置和置信度，基于 IoU 计算mean average precision (mAP) ，最终的精度是所有类别mAP的均值
② 路端数据使用量：以算法使用的路端信息比特数作为评测指标

Baseline后融合参考方案

分别利用车端相机+LiDAR及路端相机+LiDAR传感器信息，计算3D目标位置、置信度等结果，在虚拟世界坐标系中将计算结果进行后融合，车路协同感知后融合整体流程如下图
在这里插入图片描述

数据文件结构

在这里插入图片描述

文献

DAIR-V2X: A Large-Scale Dataset for Vehicle-Infrastructure Cooperative 3D Object Detection

hyy713
关注
DAIR-V2X-main.zip
06-11
《DAIR-V2X数据集转换为Kitti格式详解》 在计算机视觉和自动驾驶领域，数据集扮演着至关重要的角色，它们是模型训练的基础。本文将深入探讨如何将DAIR-V2X数据集转化为Kitti数据集格式，以便于研究人员和开发者能够...
dair-v2x-i-dataset-vis-master.zip
06-11
标题中的“dair-v2x-i-dataset-vis-master.zip”提到了一个名为DAIR-V2X的数据集，它与V2X（Vehicle-to-Everything，车联万物）技术相关，而且这个数据集已经过处理，可以用于可视化。描述中提到的是将数据集中的...
利用DAIR-V2X标注数据进行3D可视化
若素不若素的博客
06-30 2547
利用DAIR-V2X标注数据进行3D可视化
DAIR-V2X: A Large-Scale Dataset for Vehicle-Infrastructure Cooperative 3D Object Detection
weixin_46559458的博客
12-16 769
3d感知
DAIR-V2X数据集详细介绍————从文件夹来看
最新发布
weixin_51539394的博客
03-24 1537
DAIR-V2X协同数据集(DAIR-V2X-C)介绍，从文件的视角，详细解读
DAIR-V2X： A Large-Scale Dataset for Vehicle-Infrastructure Cooperative 3D Object Detection
qq_43190806的博客
05-12 818
车路协同数据集
DAIR-V2X数据集转为kitti数据集格式（保姆级教程）
若素不若素的博客
08-19 4325
DAIR-V2X数据集转为kitti数据集格式（保姆级教程）
dair-v2x数据集下载
01-29
### 如何下载DAIR-V2X数据集 为了获取DAIR-V2X数据集，需访问指定链接进行下载操作[^2]。具体而言，该数据集分为三个子集：协同数据集（DAIR-V2X-I）以及车端数据集（DAIR-V2X-V），各自包含了不同数量的图像和点云...
转换DAIR-V2X数据集为Kitti格式教程
资源摘要信息:"DAIR-V2X数据集转为kitti数据集格式" 1. 数据集概述 - DAIR-V2X数据集是一个专门为自动驾驶研发的多传感器融合数据集。"DAIR"通常指的是"Driverless AI Research"，而"V2X"代表Vehicle-to-...
DAIR-V2X数据集可视化与格式转换指南
以上知识点涵盖了DAIR-V2X数据集的介绍、标签json转为txt格式的必要性及过程、数据集可视化的重要性和常用工具，以及数据处理和可视化的实际应用场景。了解这些知识点对于处理和分析智能交通数据集是至关重要的。
单目3D目标检测——SMOKE 模型推理 | 可视化结果
黎国溥
10-09 1856
本文分享SMOKE的模型推理，和可视化结果。以kitti数据集为例子，对训练完的模型进行推理，并可视化3D框的结果，画到图像中。
3D目标检测数据集 DAIR-V2X-V
黎国溥
10-11 2626
本文分享国内场景3D目标检测，公开数据集 DAIR-V2X-V（也称为DAIR-V2X车端）。DAIR-V2X车端3D检测数据集是一个大规模车端多模态数据集，包括：22325帧图像数据、22325帧点云数据、2D&3D标注。基于该数据集，可以进行车端3D目标检测任务研究，例如单目3D检测、点云3D检测和多模态3D检测。
车路协同自动驾驶数据集DAIR-V2X
Make something people want.
02-27 7085
车路协同自全球首个车路协同自动驾驶数据集DAIR-V2X，共同探索车路协同自动驾驶的落地模式。
探索未来驾驶：DAIR-V2X 与 OpenDAIRV2X 项目深度解析
gitblog_00044的博客
08-16 612
探索未来驾驶：DAIR-V2X 与 OpenDAIRV2X 项目深度解析 DAIR-V2X项目地址:https://gitcode.com/gh_mirrors/da/DAIR-V2X 在自动驾驶技术的快速发展中，DAIR-V2X 和 OpenDAIRV2X 项目以其独特的数据集和开源框架，为车辆与基础设施协同自动驾驶的研究提供了前所未有的支持。本文将深入介绍这一项目的核心内容，技术细节，应用场...
DAIR-V2X点云可视化以及添加3D框
weixin_44606139的博客
09-17 1485
DAIR-V2X点云可视化以及添加3D框
DAIR-V2X 开源项目使用教程
gitblog_01024的博客
08-16 982
DAIR-V2X 开源项目使用教程 项目地址:https://gitcode.com/gh_mirrors/da/DAIR-V2X 1. 项目目录结构及介绍 DAIR-V2X 是一个致力于促进车路协同自动驾驶研究的大规模多模态多视角数据集。项目在GitHub上的地址是 https://github.com/AIR-THU/DAIR-V2X.git。其基本的目录结构与主要内容如下： . ├── co...
探秘DAIR-V2X：智能交通的新里程碑
gitblog_00065的博客
04-27 461
探秘DAIR-V2X：智能交通的新里程碑 DAIR-V2X项目地址:https://gitcode.com/gh_mirrors/da/DAIR-V2X 是一个由清华大学人工智能研究院（AIR）开发的开源项目，专注于车辆与基础设施间通信（V2X）的模拟和验证。该项目的目标是推动智能交通系统的发展，利用先进的无线通信技术实现车辆、道路设施和其他交通参与者的高效信息交互。 技术分析 V2X通信：D...
dair-v2x转为kitti格式
03-15
<think>好的，用户想将DAIR-V2X数据集转换为KITTI格式，我需要根据提供的引用内容给出步骤。首先，查看用户提供的引用[1]，里面提到有一个GitHub仓库，可以通过git clone拉取代码，这可能包含转换工具。然后引用[2]提到需要处理点云数据，将bag文件转为pcd格式，可能需要先进行这一步转换，因为KITTI使用的是pcd或者其他支持的格式。 接下来，我需要整理步骤。首先克隆仓库，然后准备数据，可能需要处理点云数据转换。然后根据仓库的说明运行转换脚本。同时，用户可能需要调整目录结构，确保数据路径正确。最后验证生成的数据是否符合KITTI格式，比如检查标签文件是否对齐，图像和点云是否对应。 还要注意可能的依赖项，比如Python环境或MATLAB工具，以及安装必要的库。此外，用户可能在转换过程中遇到路径错误或格式不匹配的问题，需要提醒检查配置文件或参数设置。最后，生成相关问题，可能涉及其他数据集转换、处理点云数据的工具，或DAIR-V2X的应用场景。</think>以下是DAIR-V2X数据集转换为KITTI格式的详细步骤： ### 一、环境准备 1. 克隆官方仓库： ```bash git clone https://github.com/AIR-THU/DAIR-V2X.git cd DAIR-V2X/tools/dair2kitti ``` 2. 安装依赖： ```bash pip install -r requirements.txt ``` ### 二、数据预处理 1. **点云格式转换**：将原始bag文件转为pcd格式[^2] ```matlab % MATLAB示例代码 rosbag convert 'input.bag' 'output.pcd' ``` 2. 数据集目录结构调整： ``` DAIR-V2X ├── calib ├── image ├── label └── velodyne # 存放转换后的pcd文件 ``` ### 三、执行格式转换 ```bash python convert_dair2kitti.py \ --source-path /path/to/dair_dataset \ --target-path /path/to/kitti_format \ --split-type train ``` *参数说明：* - `source-path`: DAIR数据集根目录 - `target-path`: 输出KITTI格式目录 - `split-type`: 数据集划分类型（train/val/test） ### 四、验证结果 检查生成的KITTI格式目录结构： ``` kitti_format ├── training │ ├── calib │ ├── image_2 │ ├── label_2 │ └── velodyne └── ImageSets └── train.txt ``` 关键文件验证： - `calib/*.txt` 包含相机标定参数 - `label_2/*.txt` 使用KITTI标注格式： ``` # 示例标注行 Car 0.00 0 0.50 712.40 143.00 810.73 307.92 1.65 1.67 3.64 -4.14 2.38 25.27 ``` ### 常见问题处理 1. **点云对齐问题**：检查时间戳同步文件`timestamp.txt` 2. **坐标转换**：使用官方提供的`coordinate_convert.py`工具 3. **类别映射**：修改`class_mapping.json`定义类别对应关系
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值