智能驾驶数据集包含：
-
车辆检测数据集
-
深度强化学习TORCS数据集
-
交通标志检测数据集
-
车道线检测数据集
-
TORCS端到端数据集
-
Carla数据集
对于深度强化学习算法而言，有一套完备的数据集对于算法开发十分重要，目前我们已经采集并整理了深度强化学习TORCS数据集、车道线检测数据集、车辆检测数据集、交通标志数据集，其中深度强化学习TORCS数据集包含12W条TORCS环境下的训练数据，可以用来训练深度强化学习算法，大小约20G；端到端学习TORCS数据集124G，可以训练端到端模型和Dagger强化学习横向控制模型；以及在城市交通环境仿真器Carla数据9G；车道线检测数据集包括自主采集数据(14G)、中国智能车未来挑战赛数据和图森等公布的车道线检测数据约79G，车辆检测数据集约3G，交通标志数据集约85G。
数据集详情如下表：
| 数据集类型 | 数据集名称 | 大小 | 地点 | 时间 | 视频段个数 | 说明 |
|---|---|---|---|---|---|---|
| 车道线检测数据 | Tusimple 数据集 | 58G | 美国 San Diego (高速路场景) |
2017年3月 | 2858 | 57160张图片 |
| 2017年5月 | 2321 | 46420张图片 | ||||
| 2017年6月 | 1229 | 24580张图片 | ||||
| CULane 数据集 | 66.3G | 北京 (城市环境) |
2017年5月 | 489 | 85018张图片 | |
| 2017年6月 | 782 | 48217张图片 | ||||
| 中国智能车未来挑战赛数据 | 10.9G | 江苏 (城市和高速环境) |
2017年 | 60 | 7268张图片 | |
| 自主采集数据集 (未标注) |
14GB | 北京安立路 | 2017年9月 | 1945张图片(812M) | ||
| 北京奥体中路 | 2017年9月 | 2523张图片(992M) | ||||
| 北京知春路 | 2017年9月 | 13101张图片(5.02GB) | ||||
| 北京奥体中心附近路段 | 2017年9月 | 15841张图片(6.06GB) | ||||
| 北京致真大厦地下车库 | 2017年9月 | 3268张图片(1.28GB) | ||||
| 深度强化学习数据 | 深度强化学习TORCS数据集 | 20G | TORCS仿真环境 | 2017年 | 12W张图片 | |
| 端到端学习TORCS数据集 | 124G (数据说明见下文) |
TORCS仿真环境 | 2018年 | 30个.h5文件 | ||
| Carla城市环境数据集 | 9G | Carla仿真环境 | 2019年 | Carla仿真环境文件 | ||
| 车辆检测数据集 | 2016和2017年 中国智能车未来挑战赛 离线测试数据集- 车辆检测数据集 |
3G | 江苏 | 2016年 2017年 |
||
| 交通标志数据 | 2016和2017年 中国智能车未来挑战赛 离线测试数据集- 车辆检测数据集 |
6G | 江苏，陕西 | 2016年 2017年 |
3174张图片 | |
| TT100K清华大学-腾讯交通标志数据集 | 71.3G | 全国 | 2016年 | 100000张图片 | ||
| CCTSDB长沙理工交通标志数据集 | 8.5G | 长沙 | 2017年 | 10000张图片 |
点击这里获取数据集。
该数据集一共30个.h5文件，大小123.1GB。
\host_data
\frame_0
image: driver-view RGB image (res. 640x480) /图像大小
pos_x: X coordinate in global frame /X坐标
pos_y: Y coordinate in global frame /Y坐标
vel_x: velocity along vehicle heading direction /x方向速度
vel_y: velocity opposite to vehicle heading direction /y方向速度
dist_to_center: distance to track center /到轨道中心距离
dist_raced: distance has raced /行驶路程
yaw: angle difference between vehicel heading and track orientation/偏航角
steer: steering angle normalized by steering ratio (21 degree)/转角
accel: normalized acceleration/加速度
brake: normalized brake/制动
\frame_1
...
数据文件命名格式：赛道名-车道数-使用的bot名，数据集包含6种驾驶场景：三车道结构化道路，三车道非结构化道路，双车道结构化道路，双车道非结构化道路，单车道结构化道路和单车道非结构化道路。示例图片如下：
Chenyi-wheel2-6m-8_lane3_dc123 车道名：Chenyi-wheel2-6m-8，车道数：3，使用的bot：host_bot、dc1_bot、dc2_bot、dc3_bot。