百度自动驾驶数据集ApolloScape：数据量最大、环境最复杂、标注最精准

自动驾驶已经从实验室“象牙塔”走向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，定期校准和收集新数据，因此行业迫切需要一个数据量丰富、场景覆盖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按需开放，致力于为全球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。Apollo Scape是百度Apollo自动驾驶开放平台的专项项目之一。它是业内最复杂、最准确、最大的三维自动驾驶数据集。Apollo Scape开放的数据是Cityscapes和Kitti等类似数据集的10多倍，包括数十万帧具有逐像素语义分割和注释的高分辨率图像数据，如感知、模拟场景、路网数据，以及相应的逐像素语义注释、密集点云、立体图像，立体全景图像，并进一步覆盖更复杂的环境、天气和交通状况。Kitti、CityScapes和Apollo Scape之间的数据实例比较。Apollo Scape涵盖了最复杂的路况，并提供了最具挑战性的数据支持。该数据集包括新提供的逐帧注释视频序列和3D背景，以及中国最复杂的街道场景。一张图片可以包含数百辆汽车和行人。Apollo Scape注释数据示例Apollo Scape深度数据示例同时，Apollo Scape开放数据集采用逐像素语义分割注释方法，包括数十万帧具有逐像素语义分段注释的高分辨率图像数据，以便于研究人员更好地利用数据集的价值。Apollo Scape在数据集中总共定义了26个不同的语义数据实例，并将进一步涵盖更复杂的环境、天气和交通状况。自动驾驶Apollo Scape数据集中包含的各种实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还将对模拟进行更前沿的技术研究，打造真实世界中保真度最高、场景最丰富的模拟平台。基于Apollo模拟平台，Apollo Scape计划将数十辆自动驾驶汽车同时驶入同一路网，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，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。它可以帮助研究人员有效测试和优化预测、决策和路径规划等算法，显著提高自动驾驶测试的多样性。目前，ApolloScape的开放模拟工具包括WorldSim和LogSim，同时还开发了下一代技术，可用于生成真实世界的驾驶场景和驾驶员行为的真实模拟。未来，Apollo Scape计划扩展其数据集，以包括更多类型和属性的数据。例如，通过添加红外图像，可以在夜间更容易地检测到自动驾驶算法；提取更密集的轨迹信息，用于驾驶行为建模；

并通过众包模式收集立体驾驶特别活动图像。除了开放的工具和数据，ApolloScape还旨在为全球开发者和研究人员搭建一个高端的学术交流平台，共同探索前沿技术突破和应用创新。4月24日，首届Apollo Scape学术峰会在北京举行，来自美国、德国、澳大利亚、中国等地区的自动驾驶领域杰出专家学者齐聚一堂，交流分享自动驾驶数据相关的先进理念和研究成果，为自动驾驶行业和学术界之间的能源交流搭建新的接口，巩固学术实力。此外，Apollo开放平台还将在6月举行的CVPR期间举办唯一一次自动驾驶研讨会，并基于Apollo Scape的大规模数据集定义多任务挑战。Apollo Scape在国外知名的机器学习竞赛平台Kaggle上正式启动了视频分割挑战赛。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多种类型的场景注释信息。比赛将持续到6月12日。目前，来自世界各地的100多支球队已经正式报名参加。尽管国外有许多数据集可供选择，但中国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，需要借助大规模、精确的数据集。这也是百度决定开设阿波罗局的初衷。百度希望通过公共手段吸引更多企业和开发者对数据集进行利用和补充，从而提高自动驾驶的感知能力。随着合作伙伴、开发者和学术界的不断引入，ApolloScape将带来更丰富的增长养分，其数据量将持续增长，覆盖更多样、更复杂的全球场景，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