自动驾驶数据集 - kitti 和 NuScene

自动驾驶数据集

1.Kitti数据集

 数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)
 数据集构建过程：
     1.kitti数据集采集车硬件和采集方案
	    摄像机和激光雷达通过硬件同步实现时间同步
	 2.标定文件解析： 相机calib.txt
	 
	 3.数据预处理-标注文档
	 
	 4.目标检测数据集标注格式
	 
	 5.数据集汇总以及可视化
	 
	 6.算法应用数据集

2.nuScenes

地点： 数据采集主要在波士顿和新加坡进行，

设备：用于采集的车辆装备了1个旋转雷达（spinning LIDAR）

  ，5个远程雷达传感器（long range RADAR sensor）
   和6个相机（camera
    6个相机、1个激光雷达、5个毫米波雷达、以及GPS和IMU

数据集构成

 场景，
    每个场景都是一段20s视频拆帧之后的照片集。
    但同时标注也比较分散，划分了很多的数据表，每个表存为一个json文件
sensor.json
    token  channel  modality
    保存所有传感器的数据表，包含一些简单的传感器类
calibrated_sensor.json
    相机的标定信息，包括了外参和内参
ego_pose.json

scene.json
   850段场景视频，每个场景20s
   车会在一个scene中持续走一段时间然后获取数据，而在这一段时间内，会每隔0.5秒对此时的scene进行标注，此时的这个scene就叫sample
   sample里面肯定包含很多目标，这些目标就是sample_annotation。
   车的传感器一直都是运作的，而这个时间点的传感器获取的数据就是sample_data
map.json   
   
category.json
 	（1）token: 唯一标识；（2）name:物体类别名称 ；（3）description :类别详细描述。
	物体类别一共有23类，涵盖了行人、汽车、楼房、动物
attribute.json
       token  name  description 
	  属性一共有8种
visibility.json

instance.json

sample.json
    an annotated keyframe of a scene at a given timestamp
sample_annonation.json
sample_data.json

image_annotations.json

lidarseg

log

数据说明

  场景
   bag-鲁-002   --山东青岛--高速--白天晴天--bag_01, 持续时间30秒，标注的数据量
   bag-苏-002   --江苏苏州--城区--夜间雨天
   bag-浙-002   --浙江宁波--停车场--白天雨天
   bag-徽-002   --安徽芜湖--		  

综合-数据采集--数据预处理--标注文档-标注平台-标注结果 设计数据产品

Waymo Open Data

Abstract
整个数据集包含1150个场景，每个场景时长为20秒，且LiDAR和Camera是经过同步和标定处理过的	
  五个LiDAR和五个高分辨率针孔相机完成。 限制了LiDAR数据范围，并且每个激光脉冲有两个回波（双回波）
   Waymo Open数据集包含1150个场景，每个场景由以10Hz（即每秒10帧，因此每个场景200帧）捕获的20秒数据组成。数据集中的每个数据帧包括来自LiDAR设备的3D点云、
     来自五个相机（位于前、左前、右前、左侧面和右侧面）的图像，
	 以及分别在LiDAR点云和相机图像中标注的GT 3D和2D边界框
	motion数据集下载下来的文件为tfrecord格式 
	  一个tfrecord文件中包含20s的连续驾驶画面，具有199帧数据，是连续时间段的数据帧，一帧中包含了车上所有传感器的数据以及相应的label
   Scenario代表一个场景，也就是一段时间内的交通情况，包括自动驾驶车自身，其它的交通参与者（车辆、行人），
       以及交通灯在20s内的轨迹和状态，同时还包括了道路信息
      scenario.proto文件	

参考

 自动驾驶开发者说 | 数据集 | 如何使用KITTI数据？ https://zhuanlan.zhihu.com/p/430490776
 https://www.nuscenes.org/nuscenes#data-format