Waymo 数据集

Waymo 数据集

标题 Scalability in Perception for Autonomous Driving: Waymo Open Dataset

说明

• 会议：CVPR 2020
• 标题：自动驾驶感知的可扩展性：Waymo 开放数据集
• 代码： http://www.waymo.com/open

摘要总结

背景

• 现状：尽管获取具有代表性的现实世界数据需要大量资源，但研究界对自动驾驶研究的兴趣越来越大。
• 问题：现有的自动驾驶数据集在它们捕获的环境的规模和变化方面受到限制，尽管操作区域内和操作区域之间的泛化对于技术的整体可行性至关重要。

方法

• 总括：为了帮助使研究界的贡献与现实世界的自动驾驶问题保持一致，我们引入了一个新的大规模、高质量、多样化的数据集。我们的新数据集包含 1150 个场景，每个场景跨越 20 秒，包括在一系列城市和郊区地理区域捕获的良好同步和校准的高质量 LiDAR 和相机数据。

• 具体说明：

  • 根据我们提出的地理覆盖指标，它比可用的最大相机+LiDAR 数据集多 15 倍。
  • 我们用 2D（相机图像）和 3D（LiDAR）边界框详尽地注释了这些数据，并在帧间使用了一致的标识符。
  • 最后，我们为 2D 以及 3D 检测和跟踪任务提供了强大的基线。我们进一步研究了数据集大小和跨地域泛化对 3D 检测方法的影响。

结果

• 我们展示了一个大规模多模式相机-LiDAR 数据集，它比任何现有的类似数据集更大、质量更高、地理多样性更高。
• 考虑到 150 米能见度下的稀释自我姿态，它覆盖了 76 平方公里。我们在该数据集中展示了凤凰城、山景城和旧金山数据之间的领域多样性，这为领域适应开启了激动人心的研究机会。
• 我们在数据集上评估了 2D 和 3D 对象检测器和跟踪器的性能。数据集和相应的代码是公开的；我们将维护一个公共排行榜来跟踪任务的进度。
• 未来，我们计划添加地图信息、更多标记和未标记的数据，这些数据更加多样化，侧重于不同的驾驶行为和不同的天气条件，以便能够对其他自动驾驶相关任务进行令人兴奋的研究，例如行为预测、规划等多样化领域适应。