AI-Hub

데이터 변경이력

데이터 히스토리

소개

자율주행 차량 환경에서 카메라 이미지, 라이다 센서 포인트클라우드 데이터에 대해 주변의 주요 동적/정적객체를 탐지할 수 있도록 위치를 라벨링 하고 추적 id를 부여하여 추적 및 예측에 활용하도록 구축한 데이터

구축목적

완전 자율주행 연구에 필수적인 한국 주행환경에서의 융합 센서 다중객체 추적 및 예측 데이터 구축

1. 데이터 구축 규모

• 데이터 종류 형식
  원천 데이터: 이미지(.jpg), 라이다(.pcd)
  라벨 데이터: 이미지라벨(.json), 라이다라벨(.pcd) 
• 클래스 수량
  scene별 시나리오/환경 20종
  이미지 탐지 클래스 8종 (차, 이륜차, 보행자, 기타, 신호등, 표지판, 차선, 도로 경계)
  라이다 탐지 클래스 4종 (차, 이륜차, 보행자, 기타)
• 가공 데이터 수량
  이미지 데이터: 40만장 (json)
  라이다 데이터: 40만장 (json)

2. 데이터 분포
<라이다 데이터 클래스별 객체 수량>
vehicle 8,292,415
bike 118,835
pedestrian 2,314,508

<이미지 데이터 클래스별 객체 수량>
traffic_light 430,912
traffic_sign 548,186
vehicle 2,958,815
bike 61,214
pedestrian 324,963
road_boundary 1,514,857
lane 2,619,612
etc 52,576
 

<시나리오/환경별 scene 수량>

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

<이미지 물체 탐지 추적>

<라이다 물체 탐지 추적>

<라이다 보행자 예측>

데이터 성능 점수

설명서 및 활용가이드 다운로드

자율주행 차량 환경에서 카메라 이미지, 라이다 센서 포인트클라우드 데이터에 대해 자율주행 차량 주변의 주요 동적/정적객체를 탐지할 수 있도록 위치를 라벨링하고 추적 id를 부여하여 추적 및 예측에 활용하도록 구축

1. 대표도면

2. 라벨링데이터 구성

• 이미지 라벨링 포맷 

  이미지 라벨링 포맷

  구분		항목명	타입	필수여부	설명	범위	비고
  1		information	Object		기본 정보
  	1-1	information[*].file_name	String	Y	파일명
  	1-2	information[*].resolution	array	Y	이미지 해상도
  2		annotations	Object		가공 정보
  	2-1	annotations[*].class	String	Y	클래스명	[vehicle, bike, pedestrian,
  						traffic_light, traffic_sign, lane, road_boundary,
  						etc]
  	2-2	annotations[*].bbox	array	N	가공정보	[x1,y1,	차, 이륜차, 보행자, 기타, 신호등, 표지판
  						x2,y2]
  	2-3	annotations[*].attribute	Object	Y	속성
  	2-4	annotations[*].attribute.type	String	N	종류		차, 이륜차, 보행자,
  							차선(점선,실선),
  							기타
  	2-5	annotations[*].attribute.track_id	number	N	트랙킹 ID		차, 이륜차, 보행자
  	2-6	annotations[*].attribute.instance_id	number	Y	객체 ID
  	2-7	annotations[*].attribute.right	number	N	브레이크 등 상태	0; 1
  	2-8	annotations[*].attribute.left	number	N	비상 등 상태	0; 1
  	2-9	annotations[*].attribute.break	number	N	좌측 방향지시 등 상태	0; 1
  	2-10	annotations[*].attribute.emergency	number	N	우측 방향지시 등 상태	0; 1
  	2-11	annotations[*].attribute.red	number	N	빨간등 상태	0; 1	신호등
  	2-12	annotations[*].attribute.yellow	number	N	노란등 상태	0; 1	신호등
  	2-13	annotations[*].attribute.green	number	N	초록등 상태	0; 1	신호등
  	2-14	annotations[*].attribute.x	number	N	X등 상태	0; 1	신호등
  	2-15	annotations[*].attribute.left_arrow	number	N	좌회전 화살표등 상태	0; 1	신호등
  	2-16	annotations[*].attribute.other_arrow	number	N	그 외 화살표등 상태	0; 1	신호등
  	2-17	annotations[*].attribute.code	String	N	표지판 코드	[0~999]	표지판
  	2-18	annotations[*].attribute.text	String	N	표지판 정보	소수점 첫째 자리	표지판
  	2-19	annotations[*].polyline	array	N	가공정보		차선, 도로경계
  	2-20	annotations[*].attribute.color	String	N	색상	백,황,청	차선

• 라이다 라벨링 포맷

  라이다 라벨링 포맷

  구분		항목명	타입	필수여부	설명	범위	비고
  1		information	Object		기본 정보
  	1-1	information.file_name	String	Y	파일명
  2		annotations	Object		가공 정보
  	2-1	annotations[*].class	String	Y	클래스명	{vehicle, bike, pedestrian}
  	2-2	annotations[*].attribute	Object	Y	속성
  	2-3	annotations[*].attribute.track_id	number	N	트랙킹 ID		차, 이륜차, 보행자
  	2-4	annotations[*].attribute.instance_id	number	Y	객체 ID
  	2-5	annotations[*].attribute.location	array	Y	위치 정보
  	2-6	annotations[*].attribute.dimension	array	Y	크기 정보
  	2-7	annotations[*].attribute.yaw	number	Y	회전축 정보	[0~π]	radian

3. 라벨링데이터 실제예시

• 원천 데이터: 이미지(.jpg)
  

• 라벨 데이터: 이미지라벨(.json)

• 원천 데이터: 라이다(.pcd)
  

- 라벨데이터: 라이다라벨(.json)
{
    "information" :
    {
        "file_name" : "10001_000.pcd"
    },
    "annotations" :
    [
        {
            "attribute" :
            {
                "dimension" :
                [
                    2.0216021537780762,
                    1.8134353,
                    5.0109071731567383
                ],
                "instance_id" : 0,
                "location" :
                [
                    -3.7326726913452148,
                    7.1781210899353027,
                    -1.15421324
                ],
                "track_id" : 1,
                "yaw" : 1.553611159324646
            },
            "class" : "vehicle"
        },
        {
            "attribute" :
            {
                "dimension" :
                [
                    2.0224957466125488,
                    1.943546,
                    5.0222625732421875
                ],
                "instance_id" : 1,
                "location" :
                [
                    -1.6528165340423584,
                    32.988121032714844,
                    -1.537343543
                ],
                "track_id" : 2,
                "yaw" : 1.5895867347717285
            },
            "class" : "vehicle"
        },
        {
            "attribute" :
            {
                "dimension" :
                [
                    2.0042130947113037,
                    1.468624,
                    4.9666624069213867
                ],
                "instance_id" : 2,
                "location" :
                [
                    5.5567803382873535,
                    -63.237884521484375,
                    -1.3223454454
                ],
                "track_id" : 3,
                "yaw" : 1.6429150104522705
            },
            "class" : "vehicle"
        }
    ]    
}

데이터셋 구축 담당자

수행기관(주관) : 라이드플럭스

수행기관(참여)