無人駕駛數(shù)據(jù)集

KITTI 目前最知名的自動駕駛數(shù)據(jù)集之一退盯，一些創(chuàng)業(yè)公司都會拿里面的數(shù)據(jù)進(jìn)行排名比賽珍逸。

KITTI Vision Benchmark Suite - 數(shù)據(jù)集為使用各種傳感器模式究西，例如高分辨率彩色和灰度立體相機(jī)，Velodyne 3D激光掃描儀和高精度GPS/IMU慣性導(dǎo)航系統(tǒng)边酒，在10-100 Hz下進(jìn)行6小時拍攝的交通場景僚碎。
Cityscapes 目標(biāo)是理解街景的語義揽涮，主要是針對城市街景做語義解析抠藕。專注于對城市街景的語義理解。大型數(shù)據(jù)集蒋困，包含從50個不同城市的街景中記錄的各種立體視頻序列盾似，高質(zhì)量的像素級注釋為5000幀，另外還有一組較大的20000個弱注釋幀雪标。因此零院，數(shù)據(jù)集比先前的類似嘗試大一個數(shù)量級。可以使用帶注釋的類的詳細(xì)信息和注釋示例村刨。專注于對城市街景的語義理解告抄。大型數(shù)據(jù)集，包含從50個不同城市的街景中記錄的各種立體視頻序列嵌牺，高質(zhì)量的像素級注釋為5000幀打洼，另外還有一組較大的20000個弱注釋幀龄糊。因此，數(shù)據(jù)集比先前的類似嘗試大一個數(shù)量級拟蜻。可以使用帶注釋的類的詳細(xì)信息和注釋示例绎签。
Mapillary 是一個由位于瑞典馬爾默的Mapillary AB開發(fā)枯饿，用來分享含有地理標(biāo)記照片的服務(wù)酝锅。其創(chuàng)建者想要利用眾包的方式來把整個世界（不僅是街道）以照片的形式存儲。數(shù)據(jù)集是一個新穎的大規(guī)模街道級圖像數(shù)據(jù)集奢方，包含25,000個高分辨率圖像搔扁，注釋為66個對象類別，另有37個類別的特定于實例的標(biāo)簽蟋字。通過使用多邊形來描繪單個對象稿蹲，以精細(xì)和細(xì)粒度的樣式執(zhí)行注釋。
comma.ai's Driving Dataset 目的是低成本的自動駕駛方案鹊奖，目前是通過手機(jī)改裝來做自動駕駛苛聘，開源的數(shù)據(jù)主要是行車記錄儀的數(shù)據(jù)。
Comma.ai - 7.25小時的高速公路駕駛忠聚。包含10個可變大小的視頻片段设哗，以20 Hz的頻率錄制，相機(jī)安裝在Acura ILX 2016的擋風(fēng)玻璃上两蟀。與視頻平行网梢，還記錄了一些測量值，如汽車的速度赂毯、加速度战虏、轉(zhuǎn)向角、GPS坐標(biāo)党涕，陀螺儀角度烦感。這些測量結(jié)果轉(zhuǎn)換為均勻的100 Hz時基。

Udacity's Driving Dataset 優(yōu)達(dá)學(xué)城的自動駕駛數(shù)據(jù)集膛堤，優(yōu)達(dá)學(xué)城真的是業(yè)界良心手趣，希望國內(nèi)也多點靠譜的網(wǎng)課。包含ROSBAG訓(xùn)練數(shù)據(jù)骑祟。（大約80 GB）回懦。
Washington DC's Lidar Data 看起來像是亞馬遜的數(shù)據(jù)？
Apolloscape 百度的自動駕駛數(shù)據(jù)集次企，有很多復(fù)雜場景的道路怯晕，同意用數(shù)據(jù)要同意很長一段聲明。
[ApolloCar3D] - 該數(shù)據(jù)集包含5,277個駕駛圖像和超過60K的汽車實例缸棵，其中每輛汽車都配備了具有絕對模型尺寸和語義標(biāo)記關(guān)鍵點的行業(yè)級3D CAD模型舟茶。該數(shù)據(jù)集比PASCAL3D +和KITTI（現(xiàn)有技術(shù)水平）大20倍以上。
BDDV Berkeley的大規(guī)模自動駕駛視頻數(shù)據(jù)集。超過100K的視頻和各種注釋組成吧凉，包括圖像級別標(biāo)記隧出，對象邊界框，可行駛區(qū)域阀捅，車道標(biāo)記和全幀實例分割胀瞪，該數(shù)據(jù)集具有地理，環(huán)境和天氣多樣性饲鄙。
Oxford RobotCar 對牛津的一部分連續(xù)的道路進(jìn)行了上百次數(shù)據(jù)采集凄诞，收集到了多種天氣、行人和交通情況下的數(shù)據(jù)忍级，也有建筑和道路施工時的數(shù)據(jù)帆谍。1000小時以上。
nuscenes aptiv提供的數(shù)據(jù)集轴咱，帶標(biāo)注汛蝙，宣稱是目前最大的數(shù)據(jù)集之一，資源在Amazon S3朴肺，安波福于2019年3月正式公開了其數(shù)據(jù)集窖剑，并已在GitHub公開教程。數(shù)據(jù)集擁有從波士頓和新加坡收集的1000個“場景”的信息宇挫，包含每個城市環(huán)境中都有的最復(fù)雜的一些駕駛場景苛吱。該數(shù)據(jù)集由140萬張圖像、39萬次激光雷達(dá)掃描和140萬個3D人工注釋邊界框組成器瘪，是迄今為止公布的最大的多模態(tài)3D 無人駕駛數(shù)據(jù)集翠储。
Waymo open dataset waymo在CVPR2020上提供的自動駕駛數(shù)據(jù)集，數(shù)據(jù)量和場景都非常完整橡疼。
H3D - HRI-US - 本田研究所于2019年3月發(fā)布其無人駕駛方向數(shù)據(jù)集援所，相關(guān)介紹于arXiv：1903.01568介紹。本數(shù)據(jù)集使用3D LiDAR掃描儀收集的大型全環(huán)繞3D多目標(biāo)檢測和跟蹤數(shù)據(jù)集欣除。其包含160個擁擠且高度互動的交通場景住拭，在27,721幀中共有100萬個標(biāo)記實例。憑借獨特的數(shù)據(jù)集大小历帚，豐富的注釋和復(fù)雜的場景滔岳，H3D聚集在一起，以激發(fā)對全環(huán)繞3D多目標(biāo)檢測和跟蹤的研究挽牢。

CamVid -劍橋駕駛標(biāo)簽視頻數(shù)據(jù)庫（CamVid）是第一個具有對象類語義標(biāo)簽的視頻集合谱煤，其中包含元數(shù)據(jù)。數(shù)據(jù)庫提供基礎(chǔ)事實標(biāo)簽禽拔，將每個像素與32個語義類之一相關(guān)聯(lián)刘离。該數(shù)據(jù)庫解決了對實驗數(shù)據(jù)的需求室叉，以定量評估新興算法。雖然大多數(shù)視頻都使用固定位置的閉路電視風(fēng)格相機(jī)拍攝硫惕，但我們的數(shù)據(jù)是從駕駛汽車的角度拍攝的茧痕。駕駛場景增加了觀察對象類的數(shù)量和異質(zhì)性。
Caltech數(shù)據(jù)集 - 加州理工學(xué)院行人數(shù)據(jù)集包括大約10小時的640x480 30Hz視頻恼除，這些視頻來自在城市環(huán)境中通過常規(guī)交通的車輛踪旷。大約250,000個幀（137個近似分鐘的長段）共有350,000個邊界框和2300個獨特的行人被注釋。注釋包括邊界框和詳細(xì)遮擋標(biāo)簽之間的時間對應(yīng)缚柳。更多信息可以在我們的PAMI 2012和CVPR 2009基準(zhǔn)測試文件中找到埃脏。
University of Michigan North Campus Long-Term Vision and LIDAR Dataset - 包括全方位圖像搪锣，3D激光雷達(dá)秋忙，平面激光雷達(dá)，GPS和本體感應(yīng)傳感器构舟，用于使用Segway機(jī)器人收集的測距灰追。
University of Michigan Ford Campus Vision and Lidar Data Set - 基于改進(jìn)的福特F-250皮卡車的自動地面車輛測試臺收集的數(shù)據(jù)集。該車配備了專業(yè)（Applanix POS LV）和消費者（Xsens MTI-G）慣性測量單元（IMU）狗超，Velodyne 3D激光雷達(dá)掃描儀弹澎，兩個推掃式前視Riegl激光雷達(dá)和Point Grey Ladybug3全方位攝像頭系統(tǒng)。
DIPLECS Autonomous Driving Datasets (2015) - 通過在Surrey鄉(xiāng)村周圍駕駛的汽車中放置高清攝像頭來記錄數(shù)據(jù)集努咐。該數(shù)據(jù)集包含大約30分鐘的駕駛時間苦蒿。視頻為1920x1080，采用H.264編解碼器編碼渗稍。通過跟蹤方向盤上的標(biāo)記來估計轉(zhuǎn)向佩迟。汽車的速度是從汽車的速度表OCR估算的（但不保證方法的準(zhǔn)確性）。
Velodyne SLAM Dataset from Karlsruhe Institute of Technology - 在德國卡爾斯魯厄市使用Velodyne HDL64E-S2掃描儀記錄的兩個具有挑戰(zhàn)性的數(shù)據(jù)集竿屹。
SYNTHetic collection of Imagery and Annotations (SYNTHIA) - 包括從虛擬城市渲染的照片般逼真的幀集合报强，并為13個類別提供精確的像素級語義注釋：misc，天空拱燃，建筑秉溉，道路窿侈，人行道痰催，圍欄，植被曲梗，桿哮缺，汽車弄跌，標(biāo)志，行人蝴蜓，騎自行車的人碟绑，車道標(biāo)記俺猿。
CSSAD Dataset - 包括若干真實世界的立體數(shù)據(jù)集，用于在自動駕駛車輛的感知和導(dǎo)航領(lǐng)域中開發(fā)和測試算法格仲。然而押袍，它們都沒有記錄在發(fā)展中國家，因此它們?nèi)狈υ诮值篮偷缆飞峡梢哉业降奶厥馓卣骺撸缲S富的坑洼谊惭，減速器和特殊的行人流。該立體數(shù)據(jù)集是從移動的車輛記錄的侮东，并且包含高分辨率立體圖像圈盔，其補充有從IMU，GPS數(shù)據(jù)和來自汽車計算機(jī)的數(shù)據(jù)獲得的定向和加速度數(shù)據(jù)悄雅。
Daimler Urban Segmetation Dataset - 包括城市交通中記錄的視頻序列驱敲。該數(shù)據(jù)集由5000個經(jīng)過校正的立體圖像對組成，分辨率為1024x440宽闲。 500幀（序列的每10幀）帶有5個類的像素級語義類注釋：地面众眨，建筑，車輛容诬，行人娩梨，天空。提供密集視差圖作為參考览徒，但是這些不是手動注釋的狈定，而是使用半全局匹配（sgm）計算的。
Self Racing Cars - XSens/Fairchild Dataset - 文件包括來自Fairchild FIS1100 6自由度（DoF）IMU习蓬，F(xiàn)airchild FMT-1030 AHRS纽什，Xsens MTi-3 AHRS和Xsens MTi-G-710 GNSS / INS的測量結(jié)果。事件中的文件都可以在MT Manager軟件中讀取友雳，該軟件可作為MT軟件套件的一部分提供稿湿，可在此處獲得。
MIT AGE Lab - 由AgeLab收集的1,000多小時多傳感器駕駛數(shù)據(jù)集的一小部分樣本押赊。
LaRA -巴黎的交通信號燈數(shù)據(jù)集
KUL Belgium Traffic Sign Dataset - 具有10000多個交通標(biāo)志注釋的大型數(shù)據(jù)集饺藤，數(shù)千個物理上不同的交通標(biāo)志。用8個高分辨率攝像頭錄制的4個視頻序列安裝在一輛面包車上流礁，總計超過3個小時涕俗，帶有交通標(biāo)志注釋，攝像機(jī)校準(zhǔn)和姿勢神帅。大約16000張背景圖片再姑。這些材料通過GeoAutomation在比利時，佛蘭德斯地區(qū)的城市環(huán)境中捕獲找御。
LISA: Laboratory for Intelligent & Safe Automobiles, UC San Diego Datasets - 交通標(biāo)志元镀，車輛檢測绍填，交通燈，軌跡模式栖疑。
博世小交通燈 - 用于深度學(xué)習(xí)的小型交通燈的數(shù)據(jù)集讨永。
Multisensory Omni-directional Long-term Place Recognition (MOLP) dataset for autonomous driving - 它是在美國科羅拉多州的一年內(nèi)使用全向立體相機(jī)錄制的。論文
DeepTesla：主要包括tesla在兩種不同駕駛模式（human driving和autopilot）下的前置相機(jī)錄制的視頻和車輛的轉(zhuǎn)向控制信號遇革。數(shù)據(jù)可以從這里下載:百度云卿闹。可以參考此GitHub
又多了一種數(shù)據(jù)集萝快！nuTonomy發(fā)布自動駕駛數(shù)據(jù)集

交通標(biāo)志數(shù)據(jù)集

KUL Belgium Traffic Sign Dataset 比利時的一個交通標(biāo)志數(shù)據(jù)集锻霎。
German Traffic Sign 德國交通標(biāo)注數(shù)據(jù)集。
STSD 超過20 000張帶有20％標(biāo)簽的圖像揪漩，包含3488個交通標(biāo)志旋恼。
LISA 超過6610幀上的7855條標(biāo)注。
Tsinghua-Tencent 100K 騰訊和清華合作的數(shù)據(jù)集氢拥，100000張圖片蚌铜，包含30000個交通標(biāo)志實例。