百度自動駕駛數據集ApolloScape：數據量最大、環境最復雜、標注最精準

自動駕駛已經從實驗室“象牙塔”走向大規模道路和量產階段。在自動駕駛的開發和測試中，海量、高質量的真實數據是不可或缺的“原材料”。然而，很少有團隊有能力開發和維護合適的自動駕駛平臺，定期校準和收集新數據，因此行業迫切需要一個數據量豐富、場景覆蓋豐富的專用自動駕駛數據平臺。今年3月，百度的大型自動駕駛數據集ApolloScape按需開放，致力于為全球自動駕駛技術研究人員提供更多實用的數據資源和評估標準。Apollo Scape是百度Apollo自動駕駛開放平臺的專項項目之一。它是業內最復雜、最準確、最大的三維自動駕駛數據集。Apollo Scape開放的數據是Cityscapes和Kitti等類似數據集的10多倍，包括數十萬幀具有逐像素語義分割和注釋的高分辨率圖像數據，如感知、模擬場景、路網數據，以及相應的逐像素語義注釋、密集點云、立體圖像，立體全景圖像，并進一步覆蓋更復雜的環境、天氣和交通狀況。Kitti、CityScapes和Apollo Scape之間的數據實例比較。Apollo Scape涵蓋了最復雜的路況，并提供了最具挑戰性的數據支持。該數據集包括新提供的逐幀注釋視頻序列和3D背景，以及中國最復雜的街道場景。一張圖片可以包含數百輛汽車和行人。Apollo Scape注釋數據示例Apollo Scape深度數據示例同時，Apollo Scape開放數據集采用逐像素語義分割注釋方法，包括數十萬幀具有逐像素語義分段注釋的高分辨率圖像數據，以便于研究人員更好地利用數據集的價值。Apollo Scape在數據集中總共定義了26個不同的語義數據實例，并將進一步涵蓋更復雜的環境、天氣和交通狀況。自動駕駛Apollo Scape數據集中包含的各種實例的信息環境模擬在汽車和計算機行業引起了很多關注。ApolloScape還將對模擬進行更前沿的技術研究，打造真實世界中保真度最高、場景最豐富的模擬平臺。基于Apollo模擬平臺，Apollo Scape計劃將數十輛自動駕駛汽車同時駛入同一路網，可以模擬真實復雜的駕駛場景和多車游戲過程。這也是目前最先進的智能駕駛模擬技術之一，不僅適用于典型的相對安全的場景，也適用于不確定和危險的環境。它可以幫助研究人員有效測試和優化預測、決策和路徑規劃等算法，顯著提高自動駕駛測試的多樣性。目前，ApolloScape的開放模擬工具包括WorldSim和LogSim，同時還開發了下一代技術，可用于生成真實世界的駕駛場景和駕駛員行為的真實模擬。未來，Apollo Scape計劃擴展其數據集，以包括更多類型和屬性的數據。例如，通過添加紅外圖像，可以在夜間更容易地檢測到自動駕駛算法；提取更密集的軌跡信息，用于駕駛行為建模；

并通過眾包模式收集立體駕駛特別活動圖像。除了開放的工具和數據，ApolloScape還旨在為全球開發者和研究人員搭建一個高端的學術交流平臺，共同探索前沿技術突破和應用創新。4月24日，首屆Apollo Scape學術峰會在北京舉行，來自美國、德國、澳大利亞、中國等地區的自動駕駛領域杰出專家學者齊聚一堂，交流分享自動駕駛數據相關的先進理念和研究成果，為自動駕駛行業和學術界之間的能源交流搭建新的接口，鞏固學術實力。此外，Apollo開放平臺還將在6月舉行的CVPR期間舉辦唯一一次自動駕駛研討會，并基于Apollo Scape的大規模數據集定義多任務挑戰。Apollo Scape在國外知名的機器學習競賽平臺Kaggle上正式啟動了視頻分割挑戰賽。比賽中提供的數據集將包含大量分割的原始駕駛圖像，包括20多種類型的場景注釋信息。比賽將持續到6月12日。目前，來自世界各地的100多支球隊已經正式報名參加。盡管國外有許多數據集可供選擇，但中國路況的復雜性與國外明顯不同。自動駕駛在復雜路況下的測試，僅靠技術手段很難解決，需要借助大規模、精確的數據集。這也是百度決定開設阿波羅局的初衷。百度希望通過公共手段吸引更多企業和開發者對數據集進行利用和補充，從而提高自動駕駛的感知能力。隨著合作伙伴、開發者和學術界的不斷引入，ApolloScape將帶來更豐富的增長養分，其數據量將持續增長，覆蓋更多樣、更復雜的全球場景，打造全球最大的自動駕駛開放數據集。

標簽：北京理念

汽車資訊熱門資訊