百度ApolloScape为何被称“最复杂的自动驾驶高精度数据集”

自动驾驶已经从实验室“象牙塔”进入了大规模道路和量产阶段。在自动驾驶的开发和测试中，海量、高质量的真实数据是不可或缺的“原材料”。然而，很少有团队有能力开发和维护合适的自动驾驶平台，并定期校准和收集新数据，因此行业迫切需要一个数据丰富、场景丰富的专用自动驾驶数据平台。今年3月，百度的大型自动驾驶数据集ApolloScape应该会开放，它致力于为世界各地的自动驾驶技术研究人员提供更多实用的数据资源和评估标准。ApolloScape是百度Apollo自动驾驶开放平台的专项之一，是业内最复杂、最准确、最海量的三维自动驾驶数据集。ApolloScape开放的数据是Cityscapes和Kitti等类似数据集的10倍多，包括数十万个具有逐像素语义分割和标记的高分辨率图像数据，以及相应的逐像素语义标记、密集点云、立体图像和立体全景图像，并进一步涵盖了更复杂的环境、天气和交通条件。

Kitti、CityScapes和ApoloScape之间的数据示例比较。ApolloScape涵盖了最复杂的路况，并提供了最具挑战性的数据支持。数据集包括新提供的逐帧视频序列和三维背景，以及中国最复杂的街景。一张图片可以包含数百辆汽车和行人。

ApolloScape注释数据示例

同时，ApolloScape开放数据集采用逐像素语义分割和标注的方式，包括数十万帧的高分辨率图像数据，便于研究人员更好地利用数据集的价值。ApolloScape在数据集中定义了总共26个具有不同语义项（如汽车、自行车、行人、建筑物、路灯等）的数据实例，并将进一步覆盖更复杂的环境、天气和交通条件。

ApolloScape数据集中包含的各种示例的信息环境模拟在汽车和计算机行业引起了很多关注。ApolloScape还将对模拟的前沿技术进行更多的研究，并建立一个在现实世界中恢复程度最高、场景最丰富的模拟平台。基于Apollo模拟平台，ApolloScape计划将数十辆自动驾驶汽车同时放入同一路网，可以模拟真实复杂的驾驶场景和多车游戏过程。这也是目前最先进的智能驾驶模拟技术之一。它不仅适用于典型的相对安全的场景，也适用于不确定和危险的环境。它可以帮助研发人员有效测试和优化预测、决策和路径规划等算法，显著提高自动驾驶的测试多样性。目前，ApolloScape开放模拟工具包括WorldSim和LogSim，下一代技术也在开发中，可用于生成真实世界驾驶场景和驾驶员行为的真实模拟。未来，ApolloScape计划扩展具有更多类型和属性的数据集。例如，通过添加红外图像，它有助于自动驾驶算法在夜间更容易检测；提取更密集的轨迹信息，用于驾驶行为建模；

以及通过众包模式收集立体驾驶特别活动图像。除了开放工具和数据，ApolloScape还旨在为世界各地的开发人员和研究人员搭建一个高端的学术交流平台，共同探索前沿领域的技术突破和应用创新。4月24日，首届ApolloScape学术峰会在北京举行。会议汇集了来自美国、德国、澳大利亚、中国等地的国内外自动驾驶领域的杰出专家学者，交流分享了自动驾驶数据相关的先进概念和研究成果，为自动驾驶行业与学术界的能源交流搭建了新的接口，从而凝聚学术力量。此外，Apollo开放平台将在6月开幕的CVPR（IEEE国际计算机视觉和模式识别会议）期间举办唯一一次自动驾驶研讨会，并基于ApolloScape的大规模数据集定义一些任务挑战。ApolloScape已在国外知名机器学习竞赛平台Kaggle上正式启动视频分割挑战赛。比赛中提供的数据集将包含大量分割的原始驾驶图像，包括20多种场景标记信息。锦标赛将持续到6月12日。目前，来自世界各地的100多支球队已经正式签约。尽管国外有许多数据集可供选择，但国内路况的复杂性与国外明显不同。自动驾驶在复杂路况下的测试，仅靠技术手段很难解决，需要大规模精确数据集的帮助，这也是百度决定开放ApolloScape的初衷。百度希望以开放的方式吸引更多的企业和开发者使用和补充数据集，从而提高对自动驾驶的认知。随着合作伙伴、开发者和学术界的不断引入，它将为ApolloScape带来更丰富的增长养分，其数据量将越来越大，覆盖更丰富、更复杂的全球化场景，打造全球最大的自动驾驶开放数据集。自动驾驶已经从实验室“象牙塔”进入了大规模道路和量产阶段。在自动驾驶的开发和测试中，海量、高质量的真实数据是不可或缺的“原材料”。然而，很少有团队有能力开发和维护合适的自动驾驶平台，并定期校准和收集新数据，因此行业迫切需要一个数据丰富、场景丰富的专用自动驾驶数据平台。今年3月，百度的大型自动驾驶数据集ApolloScape应该会开放，它致力于为世界各地的自动驾驶技术研究人员提供更多实用的数据资源和评估标准。ApolloScape是百度Apollo自动驾驶开放平台的专项之一，是业内最复杂、最准确、最海量的三维自动驾驶数据集。ApolloScape开放的数据是Cityscapes和Kitti等类似数据集的10倍多，包括数十万个具有逐像素语义分割和标记的高分辨率图像数据，以及相应的逐像素语义标记、密集点云、立体图像和立体全景图像，并进一步涵盖了更复杂的环境、天气和交通条件。

Kitti、CityScapes和ApoloScape之间的数据示例比较。ApolloScape涵盖了最复杂的路况，并提供了最具挑战性的数据支持。数据集包括新提供的逐帧视频序列和三维背景，以及中国最复杂的街景。一张图片可以包含数百辆汽车和行人。

ApolloScape注释数据示例

同时，ApolloScape开放数据集采用逐像素语义分割和标注的方式，包括数十万帧的高分辨率图像数据，便于研究人员更好地利用数据集的价值。ApolloScape在数据集中定义了总共26个具有不同语义项（如汽车、自行车、行人、建筑物、路灯等）的数据实例，并将……

它们涵盖了更复杂的环境、天气和交通条件。

ApolloScape数据集中包含的各种示例的信息环境模拟在汽车和计算机行业引起了很多关注。ApolloScape还将对模拟的前沿技术进行更多的研究，并建立一个在现实世界中恢复程度最高、场景最丰富的模拟平台。基于Apollo模拟平台，ApolloScape计划将数十辆自动驾驶汽车同时放入同一路网，可以模拟真实复杂的驾驶场景和多车游戏过程。这也是目前最先进的智能驾驶模拟技术之一。它不仅适用于典型的相对安全的场景，也适用于不确定和危险的环境。它可以帮助研发人员有效测试和优化预测、决策和路径规划等算法，显著提高自动驾驶的测试多样性。目前，ApolloScape开放模拟工具包括WorldSim和LogSim，下一代技术也在开发中，可用于生成真实世界驾驶场景和驾驶员行为的真实模拟。未来，ApolloScape计划扩展具有更多类型和属性的数据集。例如，通过添加红外图像，它有助于自动驾驶算法在夜间更容易检测；提取更密集的轨迹信息，用于驾驶行为建模；以及通过众包模式收集立体驾驶特别活动图像。除了开放工具和数据，ApolloScape还旨在为世界各地的开发人员和研究人员搭建一个高端的学术交流平台，共同探索前沿领域的技术突破和应用创新。4月24日，首届ApolloScape学术峰会在北京举行。会议汇集了来自美国、德国、澳大利亚、中国等地的国内外自动驾驶领域的杰出专家学者，交流分享了自动驾驶数据相关的先进概念和研究成果，为自动驾驶行业与学术界的能源交流搭建了新的接口，从而凝聚学术力量。此外，Apollo开放平台将在6月开幕的CVPR（IEEE国际计算机视觉和模式识别会议）期间举办唯一一次自动驾驶研讨会，并基于ApolloScape的大规模数据集定义一些任务挑战。ApolloScape已在国外知名机器学习竞赛平台Kaggle上正式启动视频分割挑战赛。比赛中提供的数据集将包含大量分割的原始驾驶图像，包括20多种场景标记信息。锦标赛将持续到6月12日。目前，来自世界各地的100多支球队已经正式签约。尽管国外有许多数据集可供选择，但国内路况的复杂性与国外明显不同。自动驾驶在复杂路况下的测试，仅靠技术手段很难解决，需要大规模精确数据集的帮助，这也是百度决定开放ApolloScape的初衷。百度希望以开放的方式吸引更多的企业和开发者使用和补充数据集，从而提高对自动驾驶的认知。随着合作伙伴、开发者和学术界的不断引入，它将为ApolloScape带来更丰富的增长养分，其数据量将越来越大，覆盖更丰富、更复杂的全球化场景，打造全球最大的自动驾驶开放数据集。

标签：北京理念

汽车资讯热门资讯