17、OpenMPD：用于自动驾驶的多模态感知数据集解析

OpenMPD：用于自动驾驶的多模态感知数据集解析

1. 自动驾驶相关数据集概述

数据集是开发自动驾驶感知系统的基础。目前存在多种不同类型的数据集，各有其特点和局限性。

1.1 综合数据集

• KITTI ：作为最早的多模态数据集之一，包含来自激光雷达（LiDAR）的点云、两种相机的前向图像以及GPS/IMU数据。数据采集自城市、市区和高速公路场景，具有复杂场景。提供2D和3D注释数据，2D和3D边界框数量约为80k。但2D部分规模、设备和天气方面存在限制，仅包含约15k RGB图像和点云，且所有数据均在晴天采集，未考虑雪天和雨天等环境。
• nuScenes ：是最大的多模态数据集之一，包含140万张图像和40万个点云。拥有由六个相机、一个激光雷达和五个雷达构建的真正360度采集传感器。选用32束激光雷达，与雷达相比，其精度和密度更高，但探测范围较短。不过，该数据集仅提供3D边界框注释，对多任务学习不太友好。
• Waymo ：是最大且最多样化的多模态自动驾驶数据集之一，配备五个高分辨率相机和五个高质量激光雷达，采集的数据密集且清晰。从1150个场景中提供了1200万个3D边界框和990万个2D边界框。其检测和跟踪主要依赖激光雷达而非相机，且相机视角小于270度。
• ApolloScape ：于2017年发布，包含143,906个图像帧。不仅为用户提供三级难度设置以测试和训练算法，还设计了高效的2D/3D联合标记管道，可节省约70%的标记时间。但激光扫描