百度ApolloScape為何被稱“最復雜的自動駕駛高精度數據集”

自動駕駛已經從實驗室“象牙塔”進入了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，并定期校準和收集新數據，因此行業迫切需要一個數據豐富、場景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應該會開放，它致力于為世界各地的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。ApolloScape是百度Apollo自動駕駛開放平臺的專項之一，是業內最復雜、最準確、最海量的三維自動駕駛數據集。ApolloScape開放的數據是Cityscapes和Kitti等類似數據集的10倍多，包括數十萬個具有逐像素語義分割和標記的高分辨率圖像數據，以及相應的逐像素語義標記、密集點云、立體圖像和立體全景圖像，并進一步涵蓋了更復雜的環境、天氣和交通條件。

Kitti、CityScapes和ApoloScape之間的數據示例比較。ApolloScape涵蓋了最復雜的路況，并提供了最具挑戰性的數據支持。數據集包括新提供的逐幀視頻序列和三維背景，以及中國最復雜的街景。一張圖片可以包含數百輛汽車和行人。

ApolloScape注釋數據示例

同時，ApolloScape開放數據集采用逐像素語義分割和標注的方式，包括數十萬幀的高分辨率圖像數據，便于研究人員更好地利用數據集的價值。ApolloScape在數據集中定義了總共26個具有不同語義項（如汽車、自行車、行人、建筑物、路燈等）的數據實例，并將進一步覆蓋更復雜的環境、天氣和交通條件。

ApolloScape數據集中包含的各種示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還將對模擬的前沿技術進行更多的研究，并建立一個在現實世界中恢復程度最高、場景最豐富的模擬平臺。基于Apollo模擬平臺，ApolloScape計劃將數十輛自動駕駛汽車同時放入同一路網，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。它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。它可以幫助研發人員有效測試和優化預測、決策和路徑規劃等算法，顯著提高自動駕駛的測試多樣性。目前，ApolloScape開放模擬工具包括WorldSim和LogSim，下一代技術也在開發中，可用于生成真實世界駕駛場景和駕駛員行為的真實模擬。未來，ApolloScape計劃擴展具有更多類型和屬性的數據集。例如，通過添加紅外圖像，它有助于自動駕駛算法在夜間更容易檢測；提取更密集的軌跡信息，用于駕駛行為建模；

以及通過眾包模式收集立體駕駛特別活動圖像。除了開放工具和數據，ApolloScape還旨在為世界各地的開發人員和研究人員搭建一個高端的學術交流平臺，共同探索前沿領域的技術突破和應用創新。4月24日，首屆ApolloScape學術峰會在北京舉行。會議匯集了來自美國、德國、澳大利亞、中國等地的國內外自動駕駛領域的杰出專家學者，交流分享了自動駕駛數據相關的先進概念和研究成果，為自動駕駛行業與學術界的能源交流搭建了新的接口，從而凝聚學術力量。此外，Apollo開放平臺將在6月開幕的CVPR（IEEE國際計算機視覺和模式識別會議）期間舉辦唯一一次自動駕駛研討會，并基于ApolloScape的大規模數據集定義一些任務挑戰。ApolloScape已在國外知名機器學習競賽平臺Kaggle上正式啟動視頻分割挑戰賽。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多種場景標記信息。錦標賽將持續到6月12日。目前，來自世界各地的100多支球隊已經正式簽約。盡管國外有許多數據集可供選擇，但國內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，需要大規模精確數據集的幫助，這也是百度決定開放ApolloScape的初衷。百度希望以開放的方式吸引更多的企業和開發者使用和補充數據集，從而提高對自動駕駛的認知。隨著合作伙伴、開發者和學術界的不斷引入，它將為ApolloScape帶來更豐富的增長養分，其數據量將越來越大，覆蓋更豐富、更復雜的全球化場景，打造全球最大的自動駕駛開放數據集。自動駕駛已經從實驗室“象牙塔”進入了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，并定期校準和收集新數據，因此行業迫切需要一個數據豐富、場景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應該會開放，它致力于為世界各地的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。ApolloScape是百度Apollo自動駕駛開放平臺的專項之一，是業內最復雜、最準確、最海量的三維自動駕駛數據集。ApolloScape開放的數據是Cityscapes和Kitti等類似數據集的10倍多，包括數十萬個具有逐像素語義分割和標記的高分辨率圖像數據，以及相應的逐像素語義標記、密集點云、立體圖像和立體全景圖像，并進一步涵蓋了更復雜的環境、天氣和交通條件。

Kitti、CityScapes和ApoloScape之間的數據示例比較。ApolloScape涵蓋了最復雜的路況，并提供了最具挑戰性的數據支持。數據集包括新提供的逐幀視頻序列和三維背景，以及中國最復雜的街景。一張圖片可以包含數百輛汽車和行人。

ApolloScape注釋數據示例

同時，ApolloScape開放數據集采用逐像素語義分割和標注的方式，包括數十萬幀的高分辨率圖像數據，便于研究人員更好地利用數據集的價值。ApolloScape在數據集中定義了總共26個具有不同語義項（如汽車、自行車、行人、建筑物、路燈等）的數據實例，并將……

它們涵蓋了更復雜的環境、天氣和交通條件。

ApolloScape數據集中包含的各種示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還將對模擬的前沿技術進行更多的研究，并建立一個在現實世界中恢復程度最高、場景最豐富的模擬平臺。基于Apollo模擬平臺，ApolloScape計劃將數十輛自動駕駛汽車同時放入同一路網，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。它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。它可以幫助研發人員有效測試和優化預測、決策和路徑規劃等算法，顯著提高自動駕駛的測試多樣性。目前，ApolloScape開放模擬工具包括WorldSim和LogSim，下一代技術也在開發中，可用于生成真實世界駕駛場景和駕駛員行為的真實模擬。未來，ApolloScape計劃擴展具有更多類型和屬性的數據集。例如，通過添加紅外圖像，它有助于自動駕駛算法在夜間更容易檢測；提取更密集的軌跡信息，用于駕駛行為建模；以及通過眾包模式收集立體駕駛特別活動圖像。除了開放工具和數據，ApolloScape還旨在為世界各地的開發人員和研究人員搭建一個高端的學術交流平臺，共同探索前沿領域的技術突破和應用創新。4月24日，首屆ApolloScape學術峰會在北京舉行。會議匯集了來自美國、德國、澳大利亞、中國等地的國內外自動駕駛領域的杰出專家學者，交流分享了自動駕駛數據相關的先進概念和研究成果，為自動駕駛行業與學術界的能源交流搭建了新的接口，從而凝聚學術力量。此外，Apollo開放平臺將在6月開幕的CVPR（IEEE國際計算機視覺和模式識別會議）期間舉辦唯一一次自動駕駛研討會，并基于ApolloScape的大規模數據集定義一些任務挑戰。ApolloScape已在國外知名機器學習競賽平臺Kaggle上正式啟動視頻分割挑戰賽。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多種場景標記信息。錦標賽將持續到6月12日。目前，來自世界各地的100多支球隊已經正式簽約。盡管國外有許多數據集可供選擇，但國內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，需要大規模精確數據集的幫助，這也是百度決定開放ApolloScape的初衷。百度希望以開放的方式吸引更多的企業和開發者使用和補充數據集，從而提高對自動駕駛的認知。隨著合作伙伴、開發者和學術界的不斷引入，它將為ApolloScape帶來更豐富的增長養分，其數據量將越來越大，覆蓋更豐富、更復雜的全球化場景，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