tudelft-iv/view-of-delft-dataset

解决的问题

本项目提供了一个全面的汽车数据集，旨在用于训练和评估复杂城市交通中道路使用者检测与跟踪的机器学习模型。它解决了对高质量、同步的多传感器数据以及精确3D边界框标注的需求，适用于行人、骑车人和汽车等各种道路使用者。

如何工作

该数据集由四个主要来源的8,600帧同步且校准的数据组成：

• LiDAR：64层Velodyne HDL-64 S3扫描仪。
• 相机：立体相机系统。
• 雷达：ZF FRGen21 3+1D雷达。
• 里程计：经过滤的RTK GPS、IMU和轮式里程计组合。

这些传感器经过联合校准，以实现环境的空间和时间对齐。项目包含一个开发工具包，帮助研究人员加载、转换和可视化数据（2D/3D），并评估其模型。

适用对象

学术和非营利研究机构，特别是硕士和博士研究生及研究人员，用于非商业研究目的。

主要亮点

• 多模态数据：整合LiDAR、立体相机和3+1D雷达数据。
• 丰富标注：包含13类道路使用者（包括行人、骑车人和汽车）的超过123,000个3D边界框标签。
• 详细标签：标注包含遮挡状态、活动状态和跟踪ID，可跨帧追踪对象。
• 开发工具包：包含用于数据加载和可视化的Jupyter Notebooks。