“开放”才是自动驾驶未来,百度Apollo公开数据集一年后, Waymo也来了

今日绵阳 阅读(1667)

6月17日,在世界上最大的计算机视觉会议CVPR自动驾驶仪研讨会上,谷歌的自动驾驶公司Waymo宣布发布带有完整传感器信息的标签驾驶数据。关闭或开放,这是自动驾驶行业一直存在的问题。 Waymo从封闭状态到公开共享数据的不寻常选择是从战略上的一次重大调整,在开放平衡上倾向于开放,可以说是“思维开放”。然而,在数据开放问题上,百度阿波罗选择在一年前开放,为加速自动驾驶发展奠定了基础。早在2018年3月,百度阿波罗就发布了Apollo数据并正式开通了ApolloScape大规模自动驾驶数据。组。

img_pic_1560931944_0.png

百度Apollo在CVPR 2018上发布自动驾驶仪数据集ApolloScape

驾驶记录,平均持续时间为20秒。整个数据集包含600,000帧数据,约2500万个3D边界框,2200万个2D边界框以及各种自动驾驶仪场景。数据发布后,Waymo无人驾驶车辆传感器的功能也将畅通无阻。

img_pic_1560931944_1.png

Waymo公共自动驾驶仪数据集

但Waymo的公共数据集方法是自动驾驶仪行业中的第一个。 2018年3月8日,百度Apollo自动驾驶开放平台正式加入加州大学伯克利分校DeepDrive深度学习自动驾驶产业联盟,正式开放ApolloScape大型自动驾驶仪数据集,该数据集与学术界和企业密切相关。汽车行业更加强大。

img_pic_1560931944_2.png

Apolloscape数据集中逐像素标记的示例

自动驾驶仪的传感技术众多且困难,其主要目的是实现对场景的语义理解。以检测技术为例,在图像或点云中寻找覆盖物体的二维或三维矩形框。包括Waymo发布在内的现有数据集主要用于这类检测技术。作为领先的开放数据集,Apolloscape是业界最复杂、最精确的3D自动驾驶公共数据集。更重要的是,Apolloscape为开发更多的自动驾驶仪传感技术提供了不同的数据集。这些数据集除了可以用于上述对象检测技术之外,还可以用于对象和实例级分割技术、三维姿态估计、对象轨迹跟踪技术、相机自主定位技术、深度图像估计技术等。Apolloscape发布了五个公共数据集,包括场景分辨率、细粒度车道线、定位、3D车辆拟合和密集轨迹。

Apolloscape中的场景分析数据集包括帧图像的像素语义标注。像素级注释比仅包含Waymo的矩形帧注释的数据集提供更大的粒度。而不受物体间遮挡影响的场景信息则是为了促进更准确的视频场景语义理解技术而设计的。除了二维视频图像外,与每个帧关联的三维点云也逐点标记语义信息。此外,图像的像素注释时间超过矩形帧的工作量10倍以上。

0×251f

0×2520个

Apolloscape数据集中的路线标签和深度图像示例

道路线是一个基本的路面元素,ApolloScape车道线数据集为28种不同的道路线分类提供逐像素级别和三维逐点级别数据集,目前不适用于所有公众数据集。信息。

无人驾驶车辆需要精确的定位系统来获得一系列信息,例如其位置,前方情况和驾驶区域。定位精度通常需要控制在10厘米以内,以避免碰撞和车道偏离。 ApolloScape自定位数据集提供近30万张图像,覆盖近28公里,具有高精度GPU/IMU信息。

此外,如何使用图像快速感知周围车辆的三维姿态对于自动驾驶也是至关重要的。为了推进这项研究,ApolloScapeCar3D数据集应运而生。该数据集收集在中国不同城市,包含超过5,277个真实驾驶场景和超过6万辆车的3D注释数据。除了车辆的三维姿态外,百度还开启了真正的三维汽车模型,66个三维/二维车辆关键点数据。接下来,我们可以进一步打开组件级,密集的三维车辆注释。

并且大量车辆/人/骑混合交通流设计用于驱动物体跟踪和运动行为预测技术。轨迹数据长达2.5小时,是现有最大轨迹数据集(NGSIM)的三倍。

自2018年3月发布以来,ApolloScape数据集已在全球范围内下载了数万次。由于其重要性,计算机视觉领域的顶级杂志IEEE TPAMI包含有关该数据集的科学文章,这是我们在TPAMI上发表的关于AI自主数据集的唯一文章。基于这些数据集,百度在世界级峰会(如CVPR和ECCV)和顶级平台(如Kaggle)举办了多场比赛。这些比赛吸引了来自世界各地的数千支队伍,包括Nvidia,斯坦福大学,Fu Shi,You Tu等知名公司和大学。

除了上述数据集之外,还将继续向ApolloScape添加更多类型和更多属性。百度将最大化现实场景,并创建最大的自动驾驶开放平台,以促进行业发展。

百度充分利用高精度数据集ApolloScape,开发了一种增强现实自动驾驶仪仿真系统,为自动驾驶汽车提供更可靠,更便宜的仿真方法,可用于大型自动驾驶系统的培训和测试规模。感知,决策和路径规划算法。与现有的仿真系统相比,该系统在现实性和可扩展性方面取得了突破性的技术进步,并发表在《科学》杂志《机器人学》上。《科学》该杂志是世界上最权威的学术期刊之一,代表了人类自然科学研究的最高水平。《科学机器人学》该杂志是其五种期刊之一,每篇期刊平均不超过四篇研究论文,难以发表。同时,该系统被国内外70多家主流媒体报道。

在自动驾驶的开发测试中,高质量的真实数据是必不可少的“原材料”。很少有团队能够开发和维护合适的自动驾驶平台,定期校准和收集新数据,但百度采取行业发展。该项目的重任最终建立了一个开放的学术和行业参考学习数据集。这在产业发展过程中特别有价值,极大地帮助了国内外学者和企业。

新兴产业的健康发展从来都不是一个大的问题,但它以开放的心态分享了技术突破,并接受了各界的交流与合作。技术无国界,百度长期掀起了一波开放数据和共享,并掀起了全球合作。百度阿波罗一直在为自动驾驶行业的快速发展做出快速努力。百度阿波罗开放平台坚持开放的理念,将继续以宽广的胸怀分享成果,制定战略,不仅数据开放,百度也在不断建设可持续发展。工业生态道路的发展正在向前迈进。