為了刻畫高細粒度的靜態3d世界，apolloscape使用移動雷射雷達掃瞄儀器從reigl收集點雲。這種方法產生的三維點雲要比velodyne產生點雲更精確、更稠密。在採集車車頂上安裝有標定好的高解析度相機以每一公尺一幀的速率同步記錄採集車周圍的場景。而且，整個系統配有高精度gps和imu，相機的實時位姿都可以被同步記錄。據介紹，apolloscape是目前行業內環境最複雜、標註最精準、資料量最大的三維自動駕駛公開資料集。apolloscape的標註精細度上超過同型別的kitti，cityscapes資料集，也超過uc berkley最新發布的bdd100k。
目前，apolloscape已經開放了14.7萬幀的畫素級語義標註影象，包括感知分類和路網資料等數十萬幀逐畫素語義分割標註的高解析度影象資料，以及與其對應的逐畫素語義標註，覆蓋了來自三個城市的三個站點周圍10km的地域。
而且，每個區域都在不同的天氣和光照條件下進行了重複掃瞄。未來，apollosacpe將會發展成為乙個不斷更新進化的資料集，涵蓋更複雜的環境、天氣和交通狀況，新增更多的感測器來擴充資料的多樣性，致力於打造真實世界還原度最高、場景最豐富的**平台。未來，來自新的城市的資料標註也會陸續的加入其中。apollosacpe計畫產出至少20萬張用於舉行不同的挑戰賽，其中將會覆蓋來自三個城市的5個站點的20km的道路。
apollo開放資源資料集分為以下三大部分：
除開放資料外，還配套開放雲端服務，包括資料標註平台，訓練學習平台以及**平台和標定平台，為apollo開發者提供一整套資料計算能力的解決方案，加速迭代創新。
平台使用教程：
我們的資料集中的影象幀由我們的採集系統每分鐘收集一次，解析度為3384 x 2710.預計發布的資料集將包括具有相應畫素級注釋和姿勢資訊的200k影象幀。例項級注釋可用於資料集的子集。還將提供靜態背景的深度圖。
資料集分為三個子集，分別用於訓練，驗證和測試。未提供用於測試影象的語義注釋。用於測試影象的地面實況注釋中的所有畫素都標記為255.將很快提供包含訓練，驗證和測試子集的影象列表的檔案。
在第一版資料集中，我們提供了 17062 張影象和相對應的語義標註與深度資訊,用於設計演算法和訓練模型。train.txt 包括了這些影象的相對路徑。每個的名字由時間戳和相機編號組成，如 170908_06190754_camera_5。訓練集的目錄結
構如下：
train_image/ // 訓練集影象根目錄
train_depth/ // 訓練集深度影象根目錄
|-- depth
| |-- record014
| | |-- camera 5
| | | |-- 170908_061910754_camera_5.png
| | | |-- ...
| | | |--170908_061912275_camera_5.png
| | |-- camera 6
| | | |-- 170908_061910754_camera_6.png
| | | |-- ...
| |-- :
| |-- record031
| | |-- camera 5
| | | |-- ...
train_label/ //訓練集標註根目錄
|-- image
| |-- record014
| | |-- camera 5
| | | |-- 170908_061910754_camera_5.png
| | | |-- ...
| | | |--170908_061912275_camera_5.png
| | |-- camera 6
| | | |-- 170908_061910754_camera_5.png
| | | |-- ...
| |-- :
| |-- record031
| | |-- camera 5
| | | |-- ...
資料集使用手冊：
平台使用教程：
自動駕駛汽車與自動駕駛網路
談到自動駕駛網路很容易讓人聯想到自動駕駛汽車，恰好讀到google的工程師用自動駕駛汽車和自動駕駛網路做的乙個模擬，感覺很有道理的樣子，記錄並分享一下 開發一輛自動駕駛汽車所需要的 1 一輛比較現代的車 2 各式各樣的感測器 效能強大的計算機 ai軟體。3 大量的訓練和測試。類似地，開發自動駕駛網路...
自動駕駛相關
計畫 2021年1月10號前，查資料，了解相關資訊 學習目標 1 路徑規劃，有地圖的基礎上，起點到終點的路徑規劃 2 路徑規劃的技術上，避障等如何實現 自動駕駛工程師，谷歌認證機器學習專家，蘭州大學無人駕駛團隊創始人，主攻深度學習，無人駕駛汽車方向。學習資料記錄 優達學城 學習筆記 20200102...
自動駕駛相關
在實際上行駛中，自動駕駛車輛除了直行，還需要根據需求右轉 左轉或者是倒車，倒車的可能性很小，幾乎沒有自動駕駛公司去做這個場景，左轉相比右轉會更難。尤其是在沒有交通訊號燈，或者是停車標識來引導的左轉，這稱之為無保護左轉，即便是對人類司機而言，都是相當困難的，自動駕駛車輛遇到同樣的難題。waymo的行為...