AI-Hub

데이터 변경이력

데이터 히스토리

소개

GNSS 취약 지역에서 위치를 인식하기 위한 영상 및 이미지, 센서 데이터

구축목적

GNSS 취약 지역에서의 위치인식을 위한 데이터셋

구축 내용 및 제공 데이터량

• 200만 건 이상 의 건물 및 랜드마크 포함 이미지, 동영상, Lidar, GNSS/INS 데이터
• 시멘틱 포인트 클라우드 정밀지도 1건
   

  구축내용 및 제공 데이터량 표1

  이미지 프레임				AI 학습용 데이터 구축
  객체 폴리곤	건물면	건물	빌딩, 집, 다리, 고가도로 등	18.2만
  	도로면	도로면 표지	차선, 안전지대선, 마름모, 화살표, 횡단보도 등	78.2만
  	도로 객체	분리구조물	방음벽, 가드레일, 펜스	6만
  객체 바운딩박스	도로 객체	세로 기둥	가로수, 전봇대, 신호등 기둥, 표지판 기둥, 가로등, 소화전, 인도 침범 방지 기둥 등	54.3만
  		교통표지판	모든 종류의 교통 표지판	27만
  		신호등	모든 종류의 신호등	15.3만
  	터널 내 객체	환기 기구	터널 내 대형 팬, 굴뚝 같은 형상물	0.09만
  		소화 기구	소화전 등	0.31만
  		비상·유도등	터널 내 비상등, 유도등	0.6만

   

  구축내용 및 제공 데이터량 표2

  포인트 클라우드 정밀지도				AI 학습용 데이터 구축
  객체 시멘틱 세그멘 테이션	건물면	건물	빌딩, 집, 다리, 고가도로 등	시멘틱 포인트 클라우드 정밀지도 1건
  	도로면	도로면 표지	차선, 안전지대선, 마름모, 화살표, 횡단보도 등
  	도로 객체	분리구조물	방음벽, 가드레일, 펜스
  	도로 객체	세로 기둥	가로수, 전봇대, 신호등 기둥, 표지판 기둥, 가로등, 소화전, 인도 침범 방지 기둥 등
  		교통표지판	모든 종류의 교통 표지판
  		신호등	모든 종류의 신호등
  	터널 내 객체	환기 기구	터널 내 대형 팬, 굴뚝 같은 형상물
  		소화 기구	소화전 등
  		비상·유도등	터널 내 비상등, 유도등

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

데이터 성능 점수

설명서 및 활용가이드 다운로드

데이터 변경이력

구축 목적

• GNSS 취약 지역에서의 위치인식을 위한 데이터셋

활용 분야

• 자율주행, 위치추정, SLAM

소개

• GNSS 취약 지역에서의 위치인식을 위한 이미지 객체 검출 학습데이터 및 Lidar, 포인트 클라우드 시멘틱 세그멘테이션 정밀지도 등 자율주행에 활용 가능한 데이터

• 주변국으로부터 보정되지 않은 GNSS 정보는 위성신호 도심, 지하차도 및 터널 등 취약 지역에서 위치인식 신뢰도를 악화시키는 원인으로 작용
• 랜드마크 정밀지도와 자율주행에 사용되는 다양한 주변환경 인식 센서 정보 융합을 통해 GNSS 취약 지역에서도 신뢰도 높은 위치인식 필요
• 다양한 센서 원천데이터 및 학습데이터 공개를 통해 자율주행 관련 위치 및 주변환경 인식을 통한 기술개발에 자유롭게 활용할 수 있도록 함
• 도심, 지하차도 및 터널 포함 지역에 대한 다양한 랜드마크 측정 데이터 수집

구축 내용 및 제공 데이터량

• 200만 건 이상 의 건물 및 랜드마크 포함 이미지, 동영상, Lidar, GNSS/INS 데이터
• 시멘틱 포인트 클라우드 정밀지도 1건
   

  구축내용 및 제공 데이터량 표1

  이미지 프레임				AI 학습용 데이터 구축
  객체 폴리곤	건물면	건물	빌딩, 집, 다리, 고가도로 등	18.2만
  	도로면	도로면 표지	차선, 안전지대선, 마름모, 화살표, 횡단보도 등	78.2만
  	도로 객체	분리구조물	방음벽, 가드레일, 펜스	6만
  객체 바운딩박스	도로 객체	세로 기둥	가로수, 전봇대, 신호등 기둥, 표지판 기둥, 가로등, 소화전, 인도 침범 방지 기둥 등	54.3만
  		교통표지판	모든 종류의 교통 표지판	27만
  		신호등	모든 종류의 신호등	15.3만
  	터널 내 객체	환기 기구	터널 내 대형 팬, 굴뚝 같은 형상물	0.09만
  		소화 기구	소화전 등	0.31만
  		비상·유도등	터널 내 비상등, 유도등	0.6만

   

  구축내용 및 제공 데이터량 표2

  포인트 클라우드 정밀지도				AI 학습용 데이터 구축
  객체 시멘틱 세그멘 테이션	건물면	건물	빌딩, 집, 다리, 고가도로 등	시멘틱 포인트 클라우드 정밀지도 1건
  	도로면	도로면 표지	차선, 안전지대선, 마름모, 화살표, 횡단보도 등
  	도로 객체	분리구조물	방음벽, 가드레일, 펜스
  	도로 객체	세로 기둥	가로수, 전봇대, 신호등 기둥, 표지판 기둥, 가로등, 소화전, 인도 침범 방지 기둥 등
  		교통표지판	모든 종류의 교통 표지판
  		신호등	모든 종류의 신호등
  	터널 내 객체	환기 기구	터널 내 대형 팬, 굴뚝 같은 형상물
  		소화 기구	소화전 등
  		비상·유도등	터널 내 비상등, 유도등

대표도면

< 이미지 원본 >

< 이미지 객체 검출 >

< 이미지 시멘틱 세그멘테이션 >

< 포인트 클라우드 정밀지도 원본 >

< 시멘틱 포인트 클라우드 정밀지도 >

필요성

• Level 4 이상의 자율주행을 위해 GNSS 음영 지역(도심, 지하차도, 터널 등) 내 안정적 정밀 위치 정보 필수
• SLAM 또는 Deep learning 기반 위치 추정 AI 기술 연구를 위한 GNSS 불능 지역의 학습 데이터 셋 필요
• 정밀지도와 인식 AI를 이용한 위치추정 AI 연구 개발에 활용 가능
• 이를 위해 이미지 뿐 아니라, 포인트 클라우드, 스테레오 이미지, GNSS/INS, 고정밀 MMS 기반 정밀지도 등 자율주행 개발에 필요한 추가 데이터 필요

데이터 구조

• 데이터 구성
  1. 데이터 폴더 구성
   -  시간, 주행 코스, 방향, in-out 주행여부, 날씨에 따라 폴더를 생성하여 데이터 분류
      예) 20201229_11_CW_in_D_S
  
  2. 데이터 취득에 관한 메타데이터
   -  이미지 취득 장비, 포인트 클라우드 취득 장비 등 취득에 관한 기타 정보를 메타데이터로서 작성하여 ‘데이터셋상세설명’에 첨부하고자 함
  
  3. 데이터 Naming
   -  <영상촬영일>_<수정여부>_<코스>_<코스형태>_<촬영 시간>_<날씨>_<원본순서>_<캡처프레임> 순서로 표기
     예) 200819_R_16_CW_in_D_B_004_00006 (2020년 8월 19일에 촬영한 4번째 영상 6번째 Frame)

  데이터 Naming 표

  구분	이름	설명
  Date	YY, MM, DD	년도, 월, 일
  수정 여부	R	Raw(원본)
  	E	Edited(수정)
  코스	N	N번 코스
  코스 형태	CW or CCW	코스 주행 형태
  	in or out
  원본 영상순서	N	N번째 영상
  캡쳐 프레임	N	N번째 프레임
  촬영 시간	D	Day(낮)
  	E	Evening/Morning(일몰/출)
  	N	Night(밤)
  날씨	B	Bright(맑음)
  	C	Cloudy(흐림)
  	S	Snowy(눈)
  	F	Foggy(안개)
  	R	Rainy(밤)

   

• 어노테이션 포맷
  1. 이미지

  어노테이션 포맷 이미지 표

  NO		항목명	항목설명	타입	필수구분	단위
  1		데이터셋 정보	데이터셋 전체에 관한 전반적인 정보를 포함하는 메타데이터	object
  1	1-1	데이터셋 상세설명		str	Y
  	1-2	데이터셋 담당기관		str
  	1-3	데이터셋 생성일자		datetime	Y
  2		이미지 정보	데이터셋을 구성하는 각 이미지에 대한 메타데이터 및 학습 데이터	List
  2	2-1	이미지 식별자		int	Y
  	2-2	이미지 너비		int	Y	pixel
  	2-3	이미지 높이		int	Y	pixel
  	2-4	이미지 파일명		str	Y
  3		이미지 어노테이션 정보	데이터셋의 어노테이션에 대한 메타데이터 및 학습 데이터	List
  2	3-1	어노테이션 식별자		int	Y
  	3-2	연관 이미지 식별자		int	Y
  	3-3	어노테이션 카테고리		int	Y
  	3-4	세그멘테이션 정보		RLE or [polygon]	Y
  	3-5	세그멘테이션 넓이		float
  	3-6	바운딩박스 정보		[x, y, width, height]	Y
  	3-7	단일 개체/개체군 정보		0 or 1
  4		카테고리 정보	어노테이션의 카테고리 정보에 대한 메타데이터 및 학습 데이터	List
  1	4-1	카테고리 식별자		int	Y
  	4-2	카테고리 이름		str	Y
  	4-3	상위 카테고리		str

   

  2. 포인트 클라우드

  어노테이션 포맷 포인트 클라우드 표

  NO		항목명	항목설명	타입	필수구분	단위
  2		포인트클라우드 정보	데이터셋을 구성하는 각 포인트클라우드 대한 메타데이터 및 학습 데이터	List
  2	2-1	포인트클라우드생성일자		Number	Y
  	2-2	포인트클라우드파일명		String	Y
  	2-3	프레임순서/타일번호		String	Y
  3		포인트클라우드어노테이션정보	데이터셋의 어노테이션에 대한 학습 데이터	List
  3	3-1	어노테이션데이터		Number	Y

데이터셋 구축 담당자

수행기관(주관) : 건국대학교 산학협력단

수행기관(참여)

데이터 관련 문의처