三维目标检测常用数据集

kitti数据集

KITTI数据集[90-91]是由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办的,可用于多种自动驾驶场景下的视觉算法的评测,如立体图像评测、光流、深度估计、二维/三维目标检测、目标追踪等,是目前使用最广泛的一个公开数据集。KITTI数据集使用 Velodyne64线3D 激光雷达完成点云数据的采集,还使用摄像机同步进行对应图像的采集。KITTI数据集包含7481个训练样本和7518个测试样本,其主要的检测目标有3类:Car,Pedestrian和Cyclist。并依据遮挡、截断等情况,按难度将目标分为 Easy,Moderate和 Hard3个等级。由于 KITTI的测试集无法获取,大多数研究将训练集划分为训练和验证两个集合,分别包含3712和3769个样本。

nuScense数据集

nuScenes数据集[92]由在波士顿和新加坡拍摄的1000个驾驶场景组成,涵盖了不同地点、不同时间和不同天气的情况。每个场 景 的 时 长 为 20s,其 中 标 注 的 三 维 边 界 框 分 为23个类,带有8个属性的标记值。nuScenes数据集比 KITTI数据集大得多,其标注量是 KITTI的7倍,且 nuScenes数据集是这3个数据集中唯一一个包含了三维 Radar数据的数据集。此外,KITTI数据集多是在白天和良好天气条件下拍摄，而nuScenes数据集还包含了夜晚及雨天等场景。

Waymo Open Dataset

WaymoOpenDataset是目前最大的自动驾驶数据集,使用5个激光雷达传感器和5个高分辨率针孔相机收集数据,包含798个训练场景、202个验证场景、150个测试场景,每个场景的时长为20s。WaymoOpenDataset的注释频率比nuScenes高5倍,共有2500万个3D标签和2200万个2D标签。在三维目标检测任务中,WaymoOpenDataset使用的评价指标除了 AP外,增加了一个包含方向角信息的 APH.