Tusimple介绍
Tusimple 是一家做自动驾驶的公司,他也公布了一些其在自动驾驶领域积累的数据,其中有一些是和车道线检测相关的。2018年6 月份,其举办了一次以摄像头图像数据做车道检测的比赛,公开了一部分数据及其标注。
标注json 文件中每一行包括三个字段 :
lanes 和 h_samples 是数据具体的标注内容,为了压缩,h_sample 是纵坐标(等分确定),lanes 是每个车道的横坐标,是个二维数组。-2 表示这个点是无效的点。
raw_file : 每一个数据段的第20帧图像的的 path 路径
标注的过程应该是,将图片的下半部分如70%*height 等分成N份。然后取车道线(如论虚实)与该标注线交叉的点(可知h_samples是从240到710)
例如:
上面的数据就有 4 条车道线,第一条车道线的第一个点的坐标是(632,280)。
LaneNet车道线检测使用的是Tusimple数据集(下载链接)
Tusimple 数据的标注特点:
1、车道线实际上不只是道路上的标线,虚线被当作了一种实线做处理的。这里面双实线、白线、黄线这类信息也是没有被标注的。
2、每条线实际上是点序列的坐标集合,而不是区域集合
创建自己的tusimple数据集格式
数据集制作和生产json文件
1、使用labelme进行数据标注:
在conda里使用指令进行安装labelme
pip install labelme
2、在环境下使用指令进行启动labelme
labelme
3、进入界面后选择图片,进行线段标记
在顶部edit菜单栏中选择不同的标记方案,依次为:多边形(默认),矩形,圆、直线,点。点击 Create Point,回到图片,左键点击会生成一个点,标记完成后,会形成一个标注区域,同时弹出labelme的框,输入标注名,点击ok,标注完成。然后,会生成一个json文件。
注意:要标注的车道线,一般会有多条,需要不同的命名加以区分,lane1,lane2等。
参考链接:
1.https://blog.csdn.net/xywy2008/article/details/114640477
2.https://blog.csdn.net/qingfengxd1/article/details/108738651?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-2.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-2.control