AI Hub

차선/횡단보도 인지 영상(수도권 외) 소개

차선/횡단보도 인지 영상(수도권 외) 소개

데이터셋명 차선/횡단보도 인지 영상(수도권 외)
데이터 분야 자율주행 데이터 유형 이미지
구축기관 라이드플럭스 데이터 관련 문의처 담당자명 정하욱 (박중희)(라이드플럭스)
가공기관 데이터메이커, 한국창직협회 전화번호 064-748-8039
검수기관 데이터메이커, 한국창직협회 이메일 contact@rideflux.com
구축 데이터량 95만 구축년도 2020년
버전 1.0 최종수정일자 2021.06.18
소개 차선 및 횡단보도 인지를 위한 광역시, 고속도로, 국도 주행 영상 및 이미지 데이터
주요 키워드 자율주행, 센서 인지, 정적객체 인지, 주행환경, 객체인식, 영상 단독 데이터, 다중 센서 데이터
저작권 및 이용정책 본 데이터는 과학기술정보통신부가 주관하고 한국지능정보사회진흥원이 지원하는 '인공지능 학습용 데이터 구축사업'으로 구축된 데이터입니다. [데이터 이용정책 상세보기]
데이터설명서 자료보기 구축활용가이드 자료보기
샘플데이터 다운로드 교육활용동영상 영상보기
저작도구 다운로드 AI모델 업데이트 중
데이터 변경이력
차선/횡단보도 인지 영상(수도권)-데이터변경이력
버전 일자 변경내용 비고
1.0 2021.06.18 데이터 최초 개방  
구축 목적
  • 주행 영상에서 차선, 횡단보도, 정지선 등의 위치를 파악하고, 차선의 경우 점선/실선, 색상(백/황/청)을 파악할 수 있는 모델 학습을 위한 데이터셋
활용 분야
  • 자율주행 실시간 영상 인식 기술 개발, 자율주행을 위한 정밀 지도 제작 자동화 기술 개발 등
소개
  • 다양한 주행 환경에서 차량에 설치된 카메라를 통해 취득한 영상 데이터에서 차선과 정지선의 중심을 폴리라인으로 라벨링하고, 횡단보도 영역은 폴리곤으로 라벨링한 데이터 셋으로, 다양한 지역, 시간, 카메라 등의 환경에서 데이터를 구축하고자 노력함

 

차선/횡단보도 인지 영상(수도권 외)-소개-1

<좌: 횡단보도 레이블 (붉은색 polygon), 우: 차선 레이블 (푸른색 polyline)>

구축 내용 및 제공 데이터량
  • 300시간 이상의 원시데이터 (주행 영상)에서 이미지를 추출하고 객체 라벨링 및 비식별화 작업 수행
  • 하단 구축 내용은 53/54 데이터를 통합한 구축량임
  • 가공 이미지 수량: 1,997,468 (목표량: 190만장)
    - 이미지당 평균 가공 객체 수: 6.2개
    전체 객체 수 12,391,436
    횡단보도 (polygon) 850,682
    정지선 (polyline) 634,148
    차선 (polyline) 10,912,912

     

    - 세부 데이터셋 구축량
    수도권 845,571
    광역시, 고속도로, 국도 등 850,407
    동적객체 과제 영상 공유 301,490

     

     

    - 차선 속성별 데이터 분포

    차선/횡단보도 인지 영상(수도권 외)-구축내용-1

     

대표도면
  • 데이터 가공 예시차선/횡단보도 인지 영상(수도권외)-대표도면-1

     

필요성
  • 인공지능의 폭발적인 발전은 이미지넷과 같은 거대한 데이터셋의 구축에서부터 비롯되는 것으로부터 비추어 볼 때, 한국의 자율주행 연구와 AI 기업의 발전을 위해 한국형 자율주행 데이터 구축 필요
  • 해외 주요 자율주행 데이터셋 대부분이 차량 운행 중 동적 객체(차량 및 보행자)데이터 중심으로 정적 객체(차선, 횡단보도, 신호등, 표지판 등)에 대한 데이터 기반은 상대적으로 부족
  • 정적 객체 정보의 경우 국가 별 도로교통 법규와 도로 시설물 표준이 상이하기 때문에 한국 자율주행 환경에서의 정적 객체 데이터 기반 마련 필요성 존재 (예를 들어, 신호등의 경우 국내는 가로방향이 많고, 해외는 세로방향이 많음)
데이터 구조
  • 데이터 구성
    차선 데이터 가공 내용 정지선 데이터 가공 내용 횡단보도 데이터 가공 내용
    1. 차선 색상(흰색, 노란색, 파란색)
    2. 차선 종류(점선, 실선)
    2차 속성 없음 2차 속성 없음
    차선/횡단보도 인지 영상(수도권 외)-데이터구조-1

     

    차선/횡단보도 인지 영상(수도권 외)-데이터구조-2

     

    차선/횡단보도 인지 영상(수도권 외)-데이터구조-3

     

  • 어노테이션 포맷
    대상(class) 분류 카테고리(드로잉 방식) 속성
    차선 어노테이션 정보
    (annotation)
    폴리라인
    (polyline)
    x
    (array)
    포인트 좌표(number) 시퀀스
    y
    (array)
    포인트 좌표(number) 시퀀스
    type
    (string)
    점선(dotted)
    실선(solid)
    color
    (string)
    흰색(white)
    황색(yellow)
    청색(blue)
    정지선 어노테이션 정보
    (annotation)
    폴리라인
    (polyline)
    x
    (number array)
    포인트 좌표(number) 시퀀스
    y
    (number array)
    포인트 좌표(number) 시퀀스
    횡단보도 어노테이션 정보
    (annotation)
    폴리곤
    (polygon)
    x
    (number array)
    포인트 좌표(number) 시퀀스
    y
    (number array)
    포인트 좌표(number) 시퀀스
    이미지 이미지 정보
    (image)
    파일명
    (filename)
    string 작업대상 파일명
    이미지 크기
    (imsize)
    integer 작업대상 이미지 크기
데이터셋 구축 담당자
수행기관(주관) : 라이드플럭스
수행기관(주관) 표
책임자명 전화번호 대표이메일 담당업무
정하욱 (박중희) 064-748-8039 contact@rideflux.com · 비수도권 주행 데이터 수집
· AI 시범 모델 개발 (차선영역인식, 신호등 분류)
· 얼굴/차량번호판 비식별화
· 데이터구축 총괄

 

수행기관(참여)
수행기관(참여) 표
기관명 담당업무 기관명 담당업무
쏘카 · 전국 주행 데이터 수집 모빌테크 · 수도권 주행 데이터 수집
데이터메이커 · 차선/횡단보도 데이터 라벨링 한국창직협회 · 차선/횡단보도 데이터 라벨링
인피닉 · 신호등/표지판 데이터 라벨링
· 얼굴/차량번호판 비식별화
중앙대학교 · 표지판 분류 압축 모델 개발
· 신호등 데이터 증강 모델 개발
울산과학기술원 · 주행경로 생성/예측 모델 개발
· 보행자 탐지 모델 개발