基于python的车辆轨迹研究_德国发布高速公路自然车辆轨迹的新数据集，提出从空中角度测量车辆数据的新方法...-CSDN博客

对于高度自动化的交通工具来说，基于场景的安全验证在学界和业界都受到广泛的重视。但这一任务却极为依赖于真实场景的数据来获取用于测试的必要场景信息。质量足够好的数据集中应该包含道路使用者的自然行为以及与所识别的场景的描述相关的所有数据。然而，目前的测量方法并不能满足要求。

德国亚琛工业大学汽车工程研究所新近发布的HighD数据集，提出了一种从空中角度测量车辆数据的新方法，用于满足上述要求的基于场景的验证。此外，研究人员还提供了一个名为highD的德国高速公路的大型自然车辆轨迹数据集。他们根据数量、种类和所包含的情景来对数据集进行了评估。数据集包括来自六个地点的11.5小时测量值和110 000车辆，所测量的车辆总行驶里程为45 000 km，还包括了5600条完整的变道记录。通过使用最先进的计算机视觉算法，定位误差通常小于十厘米。虽然数据集创立的初衷是为自动驾驶而创建的，但它也适用于许多其他任务，例如交通模式分析或驾驶员模型的参数化。

采用无人机进行道路交通情况数据集的采集已经逐步成熟。2005年首次出现使用配备有摄像模式的无人机来记录道路交通情况的设想。后来Stanford Drone Dataset发表了无人机创建的第一个实际可用的多个道路使用者的轨迹视频公共数据集。本研究使用无人机记录了德国道路上的交通情况，从而得到High D数据集。通过使用配备相机的无人机，以鸟瞰视角测量每辆车的位置和运动情况。能够无遮挡、并可以以较高的分辨率来捕获车辆纵向和横向尺寸信息，车辆高度方面的信息不能通过俯视图直接获得，可以依照车辆的种类给出相应的预测。