2018CVPR自动驾驶数据集：BDD

最新推荐文章于 2024-05-05 22:44:19 发布

weixin_44293973

最新推荐文章于 2024-05-05 22:44:19 发布

阅读量809

点赞数

文章标签：自动驾驶人工智能计算机视觉

原文链接：https://blog.csdn.net/leedo1/article/details/110677882

版权

BDD100K:大规模、多样化的驾驶视频数据集

官网：https://bair.berkeley.edu/blog/2018/05/30/bdd/
论文：https://arxiv.org/pdf/1805.04687.pdf
数据集：https://bdd-data.berkeley.edu/

近日，伯克利AI实验室发表了CV领域到目前为止规模最大、最多样化的开源视频数据集–BDD100K数据集。该数据集由100000个视频组成，每个视频大约40秒，720P，30fps，总时间超过1,100小时，视频序列还包括GPS位置、IMU数据和时间戳；视频带有由手机记录的GPS/IMU信息，以显示粗略的驾驶轨迹，这些视频分别是从美国不同的地方收集的，如上图所示，该数据库，涵盖了不同的天气状况，包含晴天、阴天和雨天以及在白天和夜天的不同时间。下图显示了BDD100K数据集和当前主流数据集的对比。
在这里插入图片描述

Annotations

BDD100K数据集在每个视频的第10秒抽取关键帧，并做了标注，主要分为以下几个层面，图像标记、道路对象边框、可行驶区域、车道标记和全帧实例分割。
在这里插入图片描述

（一）道路目标检测

BDD100K数据集在10万个关键帧图像中为道路上常见的对象标注BoundingBox，以了解对象的分布及其位置，下面的条形图显示各种目标的数目。
在这里插入图片描述

（二）车道线标记

车道标记对驾驶员来说是重要的道路指示。当GPS或地图没有精确的全球覆盖范围时，它们也是自动驾驶系统驾驶方向和定位的关键线索。根据车道标记对车道内车辆的指示，数据集将其分为两种类型。垂直车道标记(下图中用红色标记)表示沿其车道行驶方向的标记。平行车道标记(下图中用蓝色标记)表示车道内车辆停止的标志。我们还为标记提供了属性，如实线与虚线、双线与单线。
在这里插入图片描述

（三）可行驶区域

为了解决无人驾驶车辆识别道路可行驶区域的问题，BDD100K还提供了可行驶区域的分段注释，如下所示，根据驾驶车辆的行驶轨迹，将可驾驶区域分为两类:可直接驾驶和可替代驾驶。直接可驾驶用红色标出，表示车辆拥有道路优先权，并可继续在该区域行驶。可替代驾驶(Alternative drivable)，用蓝色标出，意味着车辆可以在该区域行驶，但必须小心，因为道路优先权可能属于其他车辆。
在这里插入图片描述

（四）全帧实例分割

全帧精细实例分割可以极大地促进密集预测和目标检测的研究；由于BDD100K的视频是在不同的领域，他们提供了实例分割注释，以比较相对不同数据集的领域转移，最后通过全帧实例分割对10K图像子集进行标记。BDD100K的标签集与Cityscapes中的训练注释兼容，使其更容易研究数据集之间的领域转移。
在这里插入图片描述

Driving Challenges

基于数据，BDD100K的作者在CVPR 2018年自动驾驶研讨会上提出了三个挑战:道路目标检测、可驾驶区域预测和语义分割的领域适应。检测任务需要算法在测试图像中检测到所有的目标物体，而可驾驶区域预测需要分割汽车可以驶入的区域。在领域适应方面，测试数据是在中国采集的。因此想要让在美国地区的环境训练出来的模型在数据集中中国北京拥挤的街道上使用是有一定挑战性的。