Datasets and Metrics for 3D object detection(自动驾驶领域的数据集)

Datasets and Metrics for 3D object detection自动驾驶领域的数据集

主流多模态数据集的比较如下表:
主流多模态数据集的比较

KITTI

自动驾驶领域最早的数据集之一,该数据集提供立体彩色图像,激光雷达点云和GPS坐标。该数据集支持多种任务,包括立体匹配,视觉里程计,3D跟踪和3D目标检测等。

该数据使用搭载64线激光雷达、4个相机和GPS/IMU组合系统的车进行收集数据。拥有包含城市、住宅和道路的超20个场景。

KITTI标注了汽车”,“面包车”,“卡车”,“行人”,“人(坐着)”,“骑自行车的人”,“有轨电车”和“杂项”。

同时为了针对多模式检测,KITTI开发了KITTI360,该数据集带有更丰富的传感器信息,并且360度标注。

mAP是常用的目标检测指标,mAP(mean Average Precision),在这里不做展开。

NuScenes

具有地面真实标签的自动驾驶领域最大数据集之一。包括700个训练场景、150个验证场景和150个测试场景。

该数据集使用32线激光雷达、6个相机,提供了360度视野内的23个种类的标注。是第一个提供雷达数据的自动驾驶数据集,装备了5个雷达传感器

Waymo Open Dataset

装备5个激光雷达传感器、5个针孔摄像机,支持领域适应(Domain adaptation )

other Datasets

ApolloScape

包含了来自中国4个不同地区的天气情况。数据使用搭载了两个激光雷达传感器、6个摄像机和一个IMU/GNSS联合系统的SUV进行获取。它支持各种自动驾驶任务,如场景解析,车道分割,轨迹预测,目标检测,跟踪等。

评价指标与KITTI相同

H3D

该数据集关注城市拥挤的交通场景。数据使用3台260度的视场相机和一台64线的激光雷达收集数据

Argoverse

它使用两个32通道激光雷达、七个环绕视摄像头和两个立体摄像头收集数据

AIODrive

它综合来自多个常用传感器的数据,包括3个高密度激光雷达,一个Velodyne-64激光雷达,5个高分辨率RGB相机,5个高分辨率深度相机,4个雷达,一个IMU和GPS系统。它还合成了一些不利的场景,如恶劣的天气条件或车祸。

上述数据集都需要进行数据标注,而高质量的数据标注是一项花费巨大的任务。现如今,也有学者使用迁移学习技术减少对于地面标签的依赖性。

如果觉得我写的不错,请给我一个免费的赞,如有错误,也欢迎向我反馈。
参考文献:
Wang Y, Mao Q, Zhu H, et al. Multi-modal 3d object detection in autonomous driving: a survey[J]. arXiv preprint arXiv:2106.12735, 2021.

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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