Waymo公开数据集又添「新货」，增加更多车道要素信息

作者/曹锦

今日（9月23日），自动驾驶公司Waymo发布了运动数据集的 v1.1版本，其中增加了更多道路细节要素，供行业或学术机构研究自动驾驶的行为预测和运动预测。

此次更新的v1.1数据集，是基于3月发布的103,354个带地图数据片段基础上，再次补充的部分运动数据集。尤其是本次还添加了车道衔接点、车道边界及相邻车道的信息。

其中，车道衔接点的数据是指每条车道都会具有进入或离开的车道 ID 列表；而在车道边界数据方面，每条车道都会有一个左右边界特征的列表，这些特征与车道边界处于活动状态的车道段相关联。同时，每条车道也都有一个左右相邻车道的列表，这些是车辆可能并入的道路。

除此之外，v1.1数据集还改进了时间戳精度，以及停止标志的Z值。

作为谷歌母公司Alphabet旗下的自动驾驶公司，成立于2009年的Waymo已积累了海量数据。其团队表示，在机器学习领域，拥有数据才能让想法变成现实。而开放数据，将有可能帮助研究者在2D和3D感知、场景理解、行为预测等方面取得进步。

2019年8月，Waymo发布了以高质量多模态传感器数据为主的Waymo Open Dataset （Waymo开放数据集），免费提供给研究机构。

自动驾驶业内人士对Auto Byte表示，这些公开数据对行业具有一定学术贡献，受益者更多是高效的研究人员，因为他们很难拥有高质量的自动驾驶数据。

数据集中的感知数据集包括高分辨率传感器数据和 1,950 个细分市场的标签，涵盖了Waymo收集的多种环境信息，包括白天与黑夜、黄昏和黎明、阳光和雨天，涵盖了市中心和郊区，数据获取地址为waymo.com/open。

Waymo此次更新的主要是运动数据集，从其中内容可以看出，新增的车道边界数据是作为车道段（车道折线的开始和结束索引）存储在地图特征协议缓冲区中，其中特定边界与车道相邻。当一条车道要素经过不同的道路要素时，可能会有多个不同的边界与它相邻。

而相邻车道数据被存储为车道段（车道折线的开始和结束索引），每个段与相邻车道的一段相关联。在相邻段内，车道与其之间的边界（或多个不同的边界）也被存储为车道段。这些可用于确定在换道期间从任何车道点与相邻车道交叉的边界类型。

在Waymo的数据集中，包括车辆、行人、骑自行车者和驾驶路段中的标志都进行了3D 边界框标注；同样的，2D 边界框也尽可能紧密地围绕相机图像中的对象绘制，并捕获对象的所有可见部分。

从3D边界框绘图规范来看，Waymo在激光雷达点云中的对象周围绘制 3D 边界框，并捕获对象的所有可见部分。而如果对象被遮挡并且数据不足以准确绘制边界框，则会尽最大努力创建边界框。

其3D边界框大小被创建为紧密贴合的反射数据点，并显示有关标志的信息。当一个标志的两侧都有信息时，也会被标记为两个不同的对象。

除此之外，所有可以被识别为行人并且至少部分可见的物体都被标记，包括步行或骑脚踏车（包括电动脚踏车）、平衡车、滑板等的人。如果行人彼此重叠，则将它们标记为单独的对象。如果它们重叠，则边界框也可以重叠。

不过，一些与自动驾驶汽车的驾驶、或环境中的其他道路使用者几乎没有直接关系的区域则不会创建标签区，例如高速公路的另一侧或道路一侧的停车场大量车辆。

‍

针对开放数据集，Waymo还会定期举办挑战赛，比赛项目包括运动预测、交互预测、实时3D检测以及实时2D检测。对于实时 3D 和 2D 检测挑战，用户不仅需要在 Submission proto 中提交他们的结果，还需要提交可以在 NVIDIA Tesla V100 GPU 上计时的模型的可执行版本。

而今年的开放数据集挑战赛已经结束，在优胜榜单上，有5家中国企业或院校的身影，其中包括清华大学、地平线及滴滴、天津大学等。

关于Auto Byte

Auto Byte 为机器之心推出的汽车技术垂直媒体，关注自动驾驶、新能源、芯片、软件、汽车制造和智能交通等方向的前沿研究与技术应用，透过技术以洞察产品、公司和行业，帮助汽车领域专业从业者和相关用户了解技术发展与产业趋势。

欢迎关注标星，并点击右下角点赞和在看。

点击阅读原文，加入专业从业者社区，以获得更多交流合作机会及服务。