Woven Planet(Lyft) Level 5 데이터세트

이 글에서는 Woven Planet (Lyft) Level 5 데이터세트를 살펴봅니다. 데이터세트가 무엇인지, 그리고 자율주행 차량의 작업과 이를 지원하는 기법들을 함께 다룹니다. 이 글은 AI 번역본입니다. 오역이 의심되는 부분이 있다면 댓글로 알려주세요.
Bharat Ramanathan
Created on September 12|Last edited on September 12
Comment
﻿
Woven Planet Level 5 데이터세트란 무엇인가?﻿그 Lyft Woven Planet Level 5 데이터세트 가장 크다 자율주행 데이터세트 모션 플래닝과 예측 작업을 위한 데이터세트입니다. 20대의 자율주행 차량이 수집한 1,000시간이 넘는 데이터를 포함하며, 시맨틱 맵과 고해상도 항공 이미지로 주석 처리되어 있습니다.
데이터세트에는 총 15,242개의 라벨링된 요소가 있다 자율주행 관련 머신 러닝 작업예측, 플래닝, 시뮬레이션과 같은 작업.
Level 5 데이터세트에서 다루는 내용Woven Planet Level 5 데이터세트란 무엇인가?Level 5 데이터세트에서 다루는 내용Level 5 데이터세트 일반 정보데이터셋 구조Level 5 데이터셋이 지원하는 작업모션 예측추천 자료
﻿
Level 5 데이터세트 일반 정보홈페이지:  https://level-5.global/﻿
저장소:  https://github.com/woven-planet/l5kit﻿
논문:  https://arxiv.org/abs/1805.04687﻿
리더보드:  https://woven-planet.github.io/l5kit/prediction_competition.html﻿
라이선스:  https://woven-planet.github.io/l5kit/license.html#license﻿
데이터셋 구조prediction-dataset/
      +- scenes/
            +- sample.zarr
                  +- train.zarr
                  +- train_full.zarr
      +- aerial_map/
            +- aerial_map.png
      +- semantic_map/
            +- semantic_map.pb
      +- meta.json
이 데이터셋은 세 가지 구성 요소로 이루어져 있습니다
장면20대의 자율주행 차량이 총 26,000km를 주행하며 수집한 1,000시간 분량의 교통 장면. 데이터셋에는 25초 길이의 장면이 170,000개 이상 포함되어 있습니다.
고해상도 시맨틱 맵: 8,500개의 차선 구간을 포함한 15,242개의 라벨링된 요소
고해상도 위성 지도: 픽셀당 6cm 해상도로 74㎢ 이상을 커버합니다
Level 5 데이터셋이 지원하는 작업Woven Planet Level 5 데이터셋이 지원하는 작업은 다음과 같습니다:
모션 예측에서 모션 예측에서는 특정 기간 동안 자차의 향후 (x, y) 위치를 예측하는 것이 과제입니다 T=5 장면에 있는 다양한 교통 참여자(차량, 보행자, 자전거 이용자)의 현재 위치(때로는 과거 위치까지)를 바탕으로, 서로 다른 예측 지평에서의 미래를 예측합니다.
Level 5 데이터셋 제작자가 만든 다음 영상에서는 지원 작업과 제공 모델을 더욱 자세히 설명합니다.
﻿﻿﻿
﻿
﻿
모션 시뮬레이션공개된 Woven Planet Level 5 데이터셋 툴킷에는 또한 시뮬레이션 환경 두 주체가 모두 ML 정책에 의해 제어될 때, 에이전트와 자율주행 차량 간의 상호작용을 테스트하기 위해.
자율주행을 위한 시뮬레이션 과제를 정의하는 짧은 튜토리얼을 확인해 보세요
﻿
﻿﻿﻿﻿﻿
모션 플래닝﻿모션 플래닝 자율주행의 핵심 요소입니다. 모션 플래너는 차량이 어디로 이동해야 하는지 지시하는 알고리즘입니다. 이 데이터셋은 모션 플래닝 알고리즘을 평가하는 두 가지 방법을 제공합니다. 
﻿오픈 루프: 각 프레임마다 모델의 예측을 주석 처리된 정답과 비교하여 평가합니다.
﻿클로즈드 루프: 모델의 예측은 언롤 방식으로 적용됩니다. 즉, 다음 예측을 하기 전에 자율주행차를 최신 예측 상태로 이동시키며, 마지막으로 최종 상태를 평가합니다.
확인해 보세요 이 보고서 데이터셋, 툴킷, 그리고 모션 예측 과제와 관련된 추가 세부 정보는 다음을 확인하세요.
추천 자료﻿
The PandaSet Dataset
PandaSet is a high-quality autonomous driving dataset that boasts the most number of annotated objects among 3d scene understanding datasets. 
The Berkeley Deep Drive (BDD110K) Dataset
The BDD100K dataset is the largest and most diverse driving video dataset with 100,000 videos annotated for 10 different perception tasks in autonomous driving.
Object Detection for Autonomous Vehicles (A Step-by-Step Guide)
Digging into object detection and perception for autonomous vehicles using YOLOv5 and Weights & Biases
The Semantic KITTI Dataset
Semantic-Kitti is a large semantic segmentation and scene understanding dataset developed for LiDAR-based autonomous driving. But what it is and what is it for?
﻿
﻿
 이 글은 AI로 번역된 기사입니다. 오역이 의심되면 댓글로 알려주세요. 원문 보고서는 여기에서 확인할 수 있습니다: 원문 보고서 보기﻿
﻿
Add a comment