Lyft 发布最大 L5 自动驾驶预测数据集

简介:

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!


Lyft 近日发布了一个 Level 5 级别的自动驾驶预测数据集,包含了超过 1000 个小时的驾驶记录。此外,公司还发起自动驾驶运动预测挑战赛,奖金池 3 万美金。

Lyft 又发布了新的数据集。

去年 7 月,Lyft 发布了 L5 级别自动驾驶感知数据集,包含超过 5 万 5 千个由人类标记的 3D 注释帧。当时官方称作是目前同类产品中最大的公开数据集。

这才刚过去一年,Lyft 又发布了一套 L5 级别的自动驾驶预测数据集。

1

万个场景,2500 多公里道路数据

Lyft 此次发布的数据集侧重于运动预测。官方表示,自动驾驶领域长期研究的一个问题是,创建足够健壮和可靠的模型,来预测交通运动。

这些数据是由 23 辆自动驾驶车辆组成的车队,在加州帕洛阿尔托的一条固定路线上收集的,历时 4 个月,包含遇到的汽车,行人和其他障碍物的行驶日志。

该数据集具体包括:

  • 1000 个小时:超过 1000 个小时的自动驾驶汽车移动记录;
  • 17 万个场景:每个场景持续约 25 秒,包括交通信号灯、航拍地图、人行道等;
  • 16000 英里:来自公共道路的 16000 英里(约合 2575 公里)数据;
  • 15242 个注释图:包括已标记元素的高清语义图以及该区域的高清鸟瞰图。

2

数据集中鸟瞰语义图示例

这些运动数据由安装在 Lyft 车顶的传感器组收集,当车辆行驶数万英里时,传感器组会捕捉激光雷达、摄像机以及雷达数据。

5

6

数据集中,每个场景在给定的时间点编码了车辆周围的状态,红色为自动驾驶汽车,黄色为其他车辆

Lyft 表示,该集合与提供的工具包一起,构成了迄今为止最大、最完整、最详细的数据集,用于开发自动驾驶,机器学习任务,如运动预测、规划和仿真。

目前,该数据集只开放部分子集下载,包括:

  • 样本数据集(53 MB)
  • 训练数据集(分三部分,共 69.4 GB)
  • 鸟瞰图(2 GB)
  • 语义图(2 MB)

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-06-30
本文作者:神经星星
本文来自:“掘金”,了解相关信息可以关注“掘金”

相关文章
|
传感器 机器学习/深度学习 自动驾驶
无人驾驶中常用的37个数据集以及每个数据集的亮点
我们在写论文的时候,经常会用到数据集.以下是我的一些整理.
|
3月前
|
机器学习/深度学习 数据采集 存储
【2021 第五届“达观杯” 基于大规模预训练模型的风险事件标签识别】2 DPCNN、HAN、RCNN等传统深度学习方案
参加2021第五届“达观杯”基于大规模预训练模型的风险事件标签识别比赛的经验,包括使用DPCNN、HAN、TextRCNN、CapsuleNet和TextRCNNAttention等传统深度学习模型的方案实现,以及提分技巧,如多个模型的提交文件投票融合和生成伪标签的方法。
37 0
|
6月前
|
机器学习/深度学习 人工智能 自动驾驶
【AI 现况分析】AI 大模型在自动驾驶中的应用分析
【1月更文挑战第27天】【AI 现况分析】AI 大模型在自动驾驶中的应用分析
|
机器学习/深度学习 JSON 编解码
伯克利开源首个泊车场景下的高清数据集和预测模型,支持目标识别、轨迹预测
伯克利开源首个泊车场景下的高清数据集和预测模型,支持目标识别、轨迹预测
237 0
|
机器学习/深度学习 人工智能 自动驾驶
上海人工智能实验室自动驾驶团队原作解读OpenLane:大规模真实场景3D车道线数据集
上海人工智能实验室自动驾驶团队原作解读OpenLane:大规模真实场景3D车道线数据集
257 0
|
机器学习/深度学习 算法 数据可视化
精准高效估计多人3D姿态,美图&北航分布感知式单阶段模型入选CVPR 2022
精准高效估计多人3D姿态,美图&北航分布感知式单阶段模型入选CVPR 2022
136 0
|
机器学习/深度学习 人工智能 并行计算
清华&天津大学新作 | SurroundOcc: 面向自动驾驶场景的纯视觉 3D 语义占据预测 (已开源)
清华&天津大学新作 | SurroundOcc: 面向自动驾驶场景的纯视觉 3D 语义占据预测 (已开源)
409 0
|
机器学习/深度学习 编解码 人工智能
旷视科技2018 COCO负责人俞刚:如何构建检测与分割的冠军系统
ECCV 2018 如期而至,旷视科技在首席科学家、研究院长孙剑博士的带领下获得 2018 COCO+Mapillary 联合挑战赛四项第一。机器之心专访 2018 COCO+Mapillary 挑战赛&旷视科技 Detection 组负责人俞刚,从算法模型与团队创新等方面讲述构建多项冠军方案的秘诀。
224 0
旷视科技2018 COCO负责人俞刚:如何构建检测与分割的冠军系统
|
机器学习/深度学习 人工智能
2019年上半年收集到的人工智能AutoML干货文章
2019年上半年收集到的人工智能AutoML干货文章
|
人工智能 编解码 自然语言处理
助力新冠CT检测,依图4天上线AI系统!准确率达97.3%,已服务数万人
助力新冠CT检测,依图4天上线AI系统!准确率达97.3%,已服务数万人
261 0