《表4 基于视觉感知的自动驾驶数据集及相关描述》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《视觉感知的端到端自动驾驶运动规划综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

端到端模型的训练需要大量自主车辆行驶环境的数据。虽然设计和收集新数据以评估自动驾驶车辆的算法是费时的，但有许多数据集可供研究使用。比较受欢迎的数据集包括comma.ai （Santana和Hotz，2016），BDD100K（The Berkeley Deep Drive dataset）（Yu等，2020）和A2D2 （Audi Autonomous Driving dataset）（Geyer等，2020）。comma.ai数据集包含7.25 h的视频，同时记录了汽车的速度、加速度和转向角等测量值。在多样性方面，BDD100K是一个大规模的驾驶视频数据集，而数据多样性对测试感知算法的鲁棒性尤为重要。A2D2是适用于多种感知任务的商业级驾驶数据集，它弥补了公共数据集缺乏大量的汽车状态信息的空白。其他有用的数据集包括nu Scenes （Caesar等，2020）、Cityscapes（Cordts等，2016）和Apollo Scape （Huang等，2020）等。本文提及的数据集及最近发布的数据集完整描述如表4所示。