AI-Hub

데이터 변경이력

데이터 히스토리

소개

인적 자원을 활용하여 직접 운전하여 취득한 데이터가 아닌 실제로 활용되고 있는 상용 자율주행차량을 활용하여 악천후 도로 환경에서 취득된 2D 이미지 데이터 및 3D LiDAR 데이터를 기반으로 다양한 유형의 교통 환경에 대한 자율주행차량의 판단/제어 차량 데이터를 활용하여 자율주행 기술 향상을 위한 데이터를 구축

구축목적

악천후 도로 상황에서 발생하는 다양한 유형의 교통환경에 대한 데이터 기반, 도로 인지기능 향상을 목적으로 인공지능 모델 개발을 위한 데이터 구축

1. 원천 데이터 구축 규모
1-1. 원천 2D 이미지 데이터 규모
※ 한 개의 scene 별로 카메라 채널 별 40장 이미지 (20sec 당 2Hz 단위)
※ 5개의 카메라 채널을 통한 이미지 취득 및 전방 세그멘테이션 마킹 이미지 추가 제공

1-2. 원천 3D 이미지 데이터 규모
※ 한 개의 scene 별로 점군 데이터(Point Culoud Data) 40장 (20sec 당 2Hz 단위)

1-3. 원천 메타 데이터 규모

1-4. 원천 sensor 데이터

1-5. 원천 procssing 데이터

2. 라벨링 데이터 규모
※2D 이미지의 데이터 가공은 전방 이미지만 가공 진행

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

1. 데이터 활용

2. 응용 서비스 
   2.1 전기 상용차 기반 자율충전 모델 개발
- 전기 상용차가 무선 충전 패드의 위치를 정밀 인식하여 무선 충전 패드가 설치된 공간에 자율주차를 하여 자율주행 배송 서비스 구현
- 전기 상용차 전용 주차 가능구역을 검출하여 주차 구역과의 거리를 활용하여 위치 인식을 수행함.
- 주차 및 출차 상황에서 주차선과 차량의 교차 상황을 판단하고 주차 상태를 판단함.
- 운행 상황에서 주변 장애물을 검출함으로써 주차 및 출차 시 차량 주행에 방해가 되는 장애물을 회피하거나 보행자를 검출하여 경고를 출력함.
- 사람의 개입 없이 전기차 기반 상용 자율주행차가 무선 충전 패드의 위치를 인식하고 위치하여 자율 충전이 가능하도록 하며 정밀한 위치 인식을 통해 무선 충전의 효율성을 높임.

AI 데이터 활용 응용 서비스 기능 프로세스

AI 데이터 활용 응용 서비스 기능 프로세스
(1) 전기차 전용 충전구역 검출
(2) 주차 및 출차 상황에서 전기차 충전구역 주차선과 차량의 교차 상황 판단
(3) 주차 및 출차 상황에서 주변 장애물 검출
(4) 무선 충전 패드 정밀 위치 추정
(5) 실증 평가

 2.2 라스트 마일 모빌리티(Last Mile Mobility)
- 라스트 마일(Last Mile)은 목적지에 도달하는 마지막 1마일(1.6km) 내외의 최종 구간을 의미하는 것으로 지하철역, 버스정류장에서부터 집 또는 회사까지의 단거리를 이동할 수 있는 수단을 서비스할 수 있음. 활용 가능한 서비스 수단은 스마트 모빌리티, 전동스쿠터, 전기자전거, 초소형 전기차, 전기버스 등이 있음. 위에 제시한 자율주행 전기셔틀버스도 라스트 마일 모빌리티 서비스로 활용가능함. 라스트 마일 모빌리티 시장에서는 물류 및 차량공유업체를 통한 무인 배달 서비스도 선보일 수 있음.
- 충북대 오창캠퍼스는 버스정류장이 위치해 있어 충북대 오창캠퍼스 내에 위치한 기업, 공공기관의 직장인 및 인근 학교의 학생들이 직장과 학교에서 버스정류장에 이르는 단거리를 자율주행 전기셔틀버스를 이용하여 편리하게 이동할 수 있음.
- 라스트 마일 모빌리티는 시속 40km/h 이내의 저속 운행으로 단거리의 목적지까지 안전하게 운행할 수 있는 모빌리티 서비스로 충북대 C-track을 중심으로 전기셔틀버스 서비스 구현이 가능함.

Last Mile Mobility 서비스 수단

Last Mile Mobility 서비스 수단

3. 응용서비스 개발
   3.1 상용 자율주행 차량의 군집주행 시스템
- 상용 자율주행 차량 군집주행 시뮬레이터 개발 방안
- 기존의 승용차의 개별 주행에만 한정되어 있는 자율주행 개발용 시뮬레이터 소프트웨어에서 벗어나 상용 차량의 군집 주행에 사용되는 자율주행 기술을 개발할 수 있는 시뮬레이터를 개발하는 등으로 구축 데이터를 활용
- 또한 마찬가지로 승용차 뿐만 아니라 상용차의 군집 주행 환경에서의 자율주행 기술을 구축된 데이터에 적용하여 주행 성능을 평가하는 군집주행 자율주행 경진대회 등을 개최하여 국내 상용차량용 자율주행 기술의 개발 촉진

   3.2 차량 전방 모니터링 시스템
- 전방 카메라를 통한 전방의 객체(건물, 사고, 차량)등의 정보 차량 정면에 표시
- 현재 HUD(Head-Up-Display)로 이용중인 네비게이션 혹은 다양한 정보들을 전방 카메라를 통해 건물(세부위치), 사고정보 차량 등을 차량정면에 표시
- 차량 내부에서 보는 외부 전경을 자신이 원하는 화면으로 변경[ex. 비오는 날 화창한 날의 도로 풍경으로 변경(denoising시스템을 활용), 차량 커스텀(인식된 차량에 대한 색상 등의 변경), 풍경 커스텀]

데이터 성능 점수

설명서 및 활용가이드 다운로드

1. 원천 메타 데이터 구성
1-1. 원천 메타 통계 데이터 속성

1-2. 원천 메타 데이터 속성 JSON 예시

{
    "car_type": "Lestar",
    "date": "2022-06-29",
    "time": "19:27:00",
    "zone": "세종-청사/시청 구간",
    "road_type": "도심 3차로 이상",
    "weather": "비",
    "fog": false,
    "backlight": false,
    "precipitation": 4.3,
    "speed_type": 0,
    "traffic_type": 2,
    "edge_case": [
        "횡단보도",
    ],
    "calibration": {
        "lidar": {
            "left": {
                "Tx": 0.0,
                "Ty": 1.09,
                "Tz": 1.11,
                "Yaw": 6.84,
                "Roll": 359.19,
                "Pitch": 359.19
 -이하 생략-

2. 2D 세그멘테이션 데이터 구성
2-1. 2D 세그멘테이션 라벨링 데이터 구성

2-2. 2D 세그멘테이션 라벨링 데이터 예시

2D 세그멘테이션 라벨링 데이터 예시

{   "annotations": [     {       "polygon": [         0,         851,         169,         852,           .           .         946,         854,         952,         855,       ],     “class”: “trafficLight”     }   ],   "information": {     "filename": "24_192700_220629_06.jpg",     "resolution": [       1920,       1080     ]   } }

3. 3D 큐보이드 데이터 구성
3-1. 3D 큐보이드 라벨링 데이터 구성

3-2. 3D 큐보이드 라벨링 데이터 예시

{
    "annotation": {
        "imgname": "16_125715_220701_01.jpg",
        "lidarname": "16_125715_220701_01.pcd",
        "objects": [
            {
                "object": {
                    "category": "Car",
                    "truncation": 0,
                    "occlusion": 0,
                    "box": {
                        "xmin": 662,
                        "ymin": 849,
                        "xmax": 710,
                        "ymax": 832
                    },
                    "dimension": {
                        "width": 2.2,
                        "height": 1.65,
                        "length": 5.2999
                    },
                    "location": {
                        "x3d": -3.1016,
                        "y3d": 3.6677,
                        "z3d": 29.8292
                    },
                    "distance": 30.1165,
                    "yaw": 0.0104,
                    "subclass": "vehicle",
                    "tracking_id": "1"
                }
            }
        ]
    }
}

데이터셋 구축 담당자

수행기관(주관) : ㈜미디어그룹사람과숲

수행기관(참여)

데이터 관련 문의처