BETA 고신뢰성 물리 기반 가상환경을 이용한 자율주행차 데이터
- 분야교통물류
- 유형 텍스트 , 이미지
※ 23년 신규 개방되는 데이터로, 데이터 활용성 검토, 이용자 관점의 개선의견 수렴 등을 통해 수정/보완될 수 있으며 최종데이터, 샘플데이터, 산출물 등은 변경될 수 있습니다.
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2024-08-19 샘플데이터 개방 1.0 2023-07-31 데이터 개방(Beta Version) 소개
학습용 데이터를 생성하기 위하여 실제 물리기반의 속성을 가지고 있는 가상환경 원시데이터를 구축하였으며 센서의 패러미터 모델링을 통하여 카메라, 라이다, 레이터의 센서 출력값을 생성하여 원천데이터를 생성하고 GT 생성 프로그램을 개발하여 GT값을 부여하는 라벨링 데이터를 구축하였음.
구축목적
자율주행차의 인공지능 학습을 위한 데이터를 수집함에 있어서 비용과 시간을 절약하고 실제 사고를 일으키는 다양한 위험 상황에서의 양질의 데이터를 확보하기 위함
-
메타데이터 구조표 데이터 영역 교통물류 데이터 유형 텍스트 , 이미지 데이터 형식 Camera(.png) LiDAR(.pcd) RADAR(.txt), 라벨링데이터(.json) 데이터 출처 Driving simulation program을 이용한 자체 수집 라벨링 유형 2D bounding box, polygon, polyline, instance Lidar Segmentation, point cloud(3D Cuboid) 라벨링 형식 .json 데이터 활용 서비스 자율주행 시스템의 센싱 알고리즘을 개발하기 위한 학습 데이터로 활용 데이터 구축년도/
데이터 구축량2022년/ -
데이터 구축 규모
원천데이터 : 이미지(PNG), 라이다 포인트 클라우드(txt), 레이다(txt) - 각 1,000,000장
메타데이터 및 라벨링 데이터(json) : 1,000,000장데이터 분포
3D 객체 분포 : Roadsign, Traffic Light, Vehicle, Line
Ego 차량 분포 : 승용
시간대별 분포 : 주간/야간 (50/50)
주행 시나리오 분포 : Traffic, Perception데이터 분포 No 구분 유형 시나리오 분포 1 Traffic
(교통 방해)Lane keep Ego 차량이 직진을 하려고 할 때 Target 차량이 감속을 하는 경우 20% 2 Ego 차량이 직진을 하려고 할 때 Target 차량이 Cut-in하는 경우 20% 3 Ego 차량이 직진을 하려고 할 때 선행 차량이 있으면서 Target 차량이 Cut-out하는 경우 20% 4 Cut-in Ego 차량이 차선을 바꾸려고 할 때 이동하려는 차선의 Target 차량이 cut-in하는 경우 20% 5 Perception
(인지 방해)Camera 어두운 터널에서 나오는 과정에서 강한 햇빛에 의해 앞 선 차량에 대한 카메라 인식 어려운 시나리오 20% 도로별 분포 : 고속도로
도로별 분포 : 고속도로 Map No. 도로명 지역 분포 Map7 수도권 제1순환 고속도로 부천 고가교 25% Map8 서해안고속도로 서해대교 25% Map9 용인서울고속도로 고산터널 25% Map11 중앙고속도로 횡성나들목 25% 날씨별 분포 : 맑음, 비, 흐림, 안개, 악천후
날씨별 분포 : 맑음, 비, 흐림, 안개, 악천후 날씨 환경 분포 맑음 40% 비 10% 흐림 30% 안개 20% 악천후 - -
1. 인공지능 학습 모델 대상
인공지능 학습 모델 대상 구분 모델명 인식 대상 목표 데이터 형식 2D 객체 YOLOv7 차량, 보행자, 신호등, 도로표지판 mAP50% 이상 Labeled image Mask R-CNN mAP34% 이상 Labeled image 3D 객체 Point Pillars 차량, 보행자 mAP52% 이상 3D Cuboid 차선 LaneNet 차선 Accuracy 86% 이상 Instance segment image 1. 인공지능 학습 모델 Workflow (Pointpillars case)
1) 학습 데이터 확보
- RGB이미지, PCD1, PCD2
2) 데이터 분리
- Train/Validation/Test
3) 데이터 전처리
- PCD2를 이용 Lidar 밖 Cuboid 필터링 등
4) Pointpillars 모델 학습
- 이전 학습 모델로 재학습
5) Pointpillars 모델 Test
- 목표mAP와 모델 mAP비겨
6) 결과 Visualize
- Cuboid를 RGB 이미지에 투영
3. 인공지능 모델 개발 > YOLOv7
4. 인공지능 모델 개발 > Point Pillars- 추출된 Data를 기반으로 Cuboid Detection 학습을 실시 함
5. 인공지능 모델 개발 > Mask R-CNN
- 추출된 Data를 기반으로 Instance Segmentation 모델 학습을 실시 함6. 인공지능 모델 개발 > LaneNet- 추출된 Data를 기반으로 차선 감지 모델 학습을 실시 함
-
데이터 구성
1. 원천데이터데이터 구성 - 원천데이터 종류 유형 설명 제출 수량 포맷 카메라 이미지 주행 상황과 카메라 특성이 반영된 HD급(1,280 X 720) 이상의 카메라 이미지 1,000,000 장 PNG 라이다 Point Cloud Lidar 감지 결과에 따른 Point Cloud Data 1,000,000 개 PCD 레이더 Range Doppler Map Radar 감지 결과에 따른 Range Doppler Map 1,000,000 장 TXT 2. 라벨링 데이터
데이터 구성 - 라벨링 데이터 생성 방법 라벨링 데이터 구성 제출 수량 포맷 GT Program 활용 - 메타데이터 : Sensor Calibration, 운행 Log 1,000,000 장 json - 2D Bounding Box : 차량, 보행자, 신호등, 도로[표지판 - Polyline : 차선 - Polygon : 차량, 보행자, 신호등, 도로[표지판 - Cuboid : 차량, 보행자, 구조물 - Lidar Instance Segmentation : 차량, 보행자, 구조물 카메라 이미지 예시 (첨부 : 4728.png)
라이다 데이터 예시 (첨부 : 4728.pcd)
Radar 데이터 예시 (첨부 : 47280.txt)
라벨링 데이터 json 파일 예시 ( 첨부 : 47280.json)
-
데이터셋 구축 담당자
수행기관(주관) : ㈜디바인테크놀로지
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 류도현 02-6949-1069 [email protected] 시뮬레이션 데이터 생성 및 시각화 도구 개발 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜세종플랫폼 가상환경 3D환경 구축, 크라우드워커 관리, 물성치 입력 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 류도현 02-6949-1069 [email protected]
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 [email protected] 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.