AI Hub

로봇 관점 주행 영상 소개

로봇 관점 주행 영상 소개

데이터셋명 로봇 관점 주행 영상
데이터 분야 자율주행 데이터 유형 비디오
구축기관 흥일기업 데이터 관련 문의처 담당자명 천효창(흥일기업)
가공기관 디타스 전화번호 070-4895-2825
검수기관 디타스, 순천향대학교 산학협력단 이메일 hccheon@hungil.co.kr
구축 데이터량 72.6만 구축년도 2020년
버전 1.1 최종수정일자 2021.11.04
소개 실내 자율주행 로봇 관점의 주행 환경 영상기반 학습용 데이터
주요 키워드 자율주행, 로봇, 인공지능, 지능화, 데이터, 획득, 가공, 분석, 서비스, 객체인식, 학습, DB
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 다운로드
데이터 변경이력
데이터 변경이력
버전 일자 변경내용 비고
1.1 2021.11.04 데이터 추가 개방  
1.0 2021.06.30 데이터 최초 개방  
구축 목적
  • 국내 자율주행 로봇에 대한 산업적 수요 증대와 국내 환경에 적합한 자율주행 로봇 서비스 가능 산업 활성화를 위해 로봇의 이동 중 직면 가능한 장애물 정보에 대한 데이터 구축 필요
  • 공간 및 인간과의 접점 수준과 수송역량을 기반하여 일상생활 환경에서 제공 가능한 로봇 서비스와 주요 산업시설에서의 자율주행 로봇 서비스에 기반하여 로봇의 기능 및 임무 수행 범위가 고려된 주행영상 데이터 수집
활용 분야
  • 본 사업을 통해 구축된 로봇 관점 주행 영상 AI데이터는 자율주행 로봇이 출발지점부터 목적지까지 충돌이 발생할 수 있는 객체는 인식하고 안전하게 도착할 수 있는 학습용 데이터로 활용이 가능하며, 이를 통해 실내외 환경에서 강건한 자율주행이 가능한 로봇 개발에 기여함
소개
  • 인공지능 로봇에 탑재되는 자율주행 성능의 향상과 해외 기술선도국가 간의 기술격차 해소를 위해서는 국내 환경에 적합한 양질의 인공지능 학습데이터 구축이 최우선으로 요구
  • 국내 실내·외 환경에서 로봇이 자율주행을 하기 위해 출발지점부터 목적지까지 충돌이 발생할 수 있는 객체를 인식하고 안전하게 도착할 수 있는 학습용 영상 데이터셋으로 흥일기업(주)에서 구축하였으며, 본 데이터는 실내·외 600시간의 영상 데이터로 구성
  • 국내·외 로봇 관점 데이터는 자율주행 영상 데이터 구축사례가 없으며, 본 영상 데이터는 자율주행 로봇 산업 전반의 활용 분야에서 사용 가능
  • 영상 데이터는 자율주행 로봇 서비스 가능 산업의 공간 및 인간과의 접점 수준과 수송역량을 분석하여 활용 가능한 분야 및 자율주행 로봇의 기능 및 임무 수행 범위를 고려하여 의료 시설, 산업 시설, 서비스 시설로 분류하여 데이터 구축
  • 서비스 자율 주행 로봇과 타 객체 간의 일어날 수 있는 안전 사고의 위험성을 저감시키며, 자율주행 로봇 개발상의 편의성, 정확성, 다양한 정보 제공 목표
구축 내용 및 제공 데이터량
  • 데이터셋은 자율주행 로봇이 실내외 환경에서 안정적인 주행이 가능하도록 주행에 방해되는 객체정보 및 대표적인 자율주행 로봇 서비스를 고려한 실증 운행 기반의 객체를 정의하고 자율주행 로봇의 안정적 주행 데이터 수집
  • 국내 시설물을 활용하여 다양한 주행 환경에서의 객체정보를 포함한 일반상황과 서비스를 고려한 특수상황에 대한 데이터로 일반상황의 경우 500시간, 특수상황의 경우 100시간의 영상 데이터로 구성
    - 100시간의 특수상황 영상 데이터 중 10시간은 고정밀 3D 스캔 장비를 활용하여 포인트 클라우드 기반의 공간구축데이터를 구축
  • 실내·외 자율주행 환경에서 영상학습 기반의 라벨링 된 장애물 자동 검출, 장애물 회피·추적을 위해 특수상황의 경우, 자율주행 방식 중 자율, 대열 주행 시에는 범용적으로 데이터 활용이 가능하나, 추종 주행 시에는 추종자에 대한 객체정보가 상이함으로 제약상황 발생할 수 있음을 고려한 시나리오 기반 데이터 구축

     

    구축 내용 및 제공 데이터량 표
    구분 구축량
    (시간 / 건)
    제공 방식
    '일반상황' 로봇 관점 주행 영상 514 / 1,028 라벨링이 된 영상(4K 및 Full HD, 10FPS)과
    라벨링 결과(JSON 파일) set
    '특수상황' 로봇
    관점 주행 영상
    자율주행 로봇 주행 영상 91 / 182
    3D 스캐너 영상 데이터 11 / 1
대표도면
  • 장소(산업시설, 의료시설, 주거시설 등)에 따른 영상데이터 취득
     

대표도면-장소 분류

 

  • 시나리오 기반 영상데이터 취득
     

대표도면-시나리오 분류

필요성
  • 자율주행 기술 개발에는 데이터의 축적이 필수적으로 요구되나, 기업·대학 등이 개별적으로 데이터 확보함으로써 원천적으로 부족한 데이터 양 문제를 해결하고 데이터를 상호 공유하는 것에 비해 산·학·연의 연계성이 부족한 문제를 충족시키기 위해 로봇 관점의 영상데이터 필요
  • 자율주행 기술 개발시 데이터의 규모를 확대하는 등 데이터 공유사업을 내실화하여 자율주행을 위한 데이터를 수집하여 인공지능(AI)으로 학습할 수 있는 형태의 가공 및 공유로 산업에 대한 파급력 향상 가능성 제고
  • 서비스 로봇 산업 시장의 규모가 확대되면서 규제 개선 및 실증을 추진하고 있으며, 국내 실내·외 환경에서 자율주행 로봇에 로봇이 자율주행을 하기 위해 출발 지점부터 목적지까지 충돌이 발생할 수 있는 객체를 인식하고 안전하게 도착할 수 있는 학습용 영상데이터 확보 필요
  • 국내 수준에서는 자율주행 로봇 관점을 활용한 데이터 구축사례가 전혀 없으며 국내 자율주행 로봇을 구현하기 위해서는 실제 환경의 데이터 구축을 통한 학습 필요
  • 안전한 자율주행을 위해서는 정확한 데이터 셋 구축을 통해 자율주행에 있어 안전성, 정확성, 정밀도 등 확보할 수 있는 기반 마련 수행 ㅇ 로봇이 자율주행 시 사람과, 사물 등 사고를 저감할 수 있는 안전한 주행을 위해 위치추정과 경로생성 등 데이터 필요
데이터 구조
  • 데이터셋 저장 구조
     

데이터셋 저장구조

 

  • 데이터셋 구조
     

데이터셋 구조

 

  • 데이터 파일명 코드 규칙
     
    데이터 파일명 코드 규칙
    대분류 중분류 소분류 분류상세
    구분 코드 분류 구분 코드 분류 구분 코드 분류
    일반 상황 다중 이용 시설 N 교육 시설 E 물류 이송 및 시설물 관리 관점 로봇 서비스 주행 1,2,3, ...
    지자체 관리 시설 L 물류 이송 및 시설물 관리 관점 로봇 서비스 주행 1,2,3, ...
    전시 시설 M 물류 이송 및 시설물 관리 관점 로봇 서비스 주행 1,2,3, ...
    주택 밀집 단지 H 물류 이송 및 시설물 관리 관점 로봇 서비스 주행 1,2,3, ...
    공원 P 물류 이송 및 시설물 관리 관점 로봇 서비스 주행 1,2,3, ...
    기타 지역 ETC 물류 이송 및 시설물 관리 관점 로봇 서비스 주행 1,2,3, ...
    이동경로 라벨링
    (Poly Line)
    PL 이동경로 POLYLINE 레이블링 1,2,3, ...
    특수 상황 주요 산업 시설 S 의료 시설 H 간병지원 로봇 서비스 주행 1,2,3, ...
    원격회진 로봇 서비스 주행
    의료품 배달 로봇 서비스 주행
    입원침대형 로봇 서비스 주행
    휠체어 로봇 서비스 주행
    청소 로봇 서비스 주행
    안전 로봇 서비스 주행
    3D 스캐너를 통한 공간정보
    산업 시설 I 산업 안전 로봇 서비스 주행 1,2,3, ...
    물품이송 로봇 서비스 주행
    보안 경리 로봇 서비스 주행
    청소 로봇 서비스 주행
    서비스 시설 S 안내 로봇 서비스 주행 1,2,3, ...
    수거 정리 로봇 서비스 주행
    청소 로봇 서비스 주행
    안전 관리 로봇 서비스 주행
    보안 경비 로봇 서비스 주행

 

  • 어노테이션 포맷-바운더리 박스(B-Box)
    - 바운더리 박스의 json 파일 구조는 정의하고자 하는 객체의 속성정보가 나열되고 라벨링 이미지의 정보 나열(영상 1개당 600장의 이미지를 추출하여 사용하기 때문에 600장의 이미지 정보가 나열)
    - 이미지 정보 뒤에 바운더리 박스에 대한 정보 나열
    - 바운더리 박스의 좌표정보는 4개로 나타내며, 각각 x, y, width, height로 나타냄
    - 이 외에 박스의 상세정보가 표기되는데 객체가 일부 가려졌는지에 대한 설정 등에 대한 작업시 설정했던 상태를 보여줌
     
B-Box 예시 이미지
<어노테이션 도구를 이용한 B-Box 작업>
B-Box Json 예제
< B-Box JSON 파일 해석>

 

  • 어노테이션 포맷-폴리라인(Polyline)
    - 폴리라인의 json 파일 구조도 바운더리 박스의 구조와 흡사
    - 처음에 정의하고자 하는 객체의 속성정보가 나열되고 라벨링 이미지의 정보가 나열됨(본 과제에서는 영상 1개당 600장의 이미지를 추출하여 사용하기 때문에 600장의 이미지 정보가 나열)
    - 이미지 정보 뒤에 폴리라인 라벨링에 대한 정보가 나열됨(폴리라인 좌표: 점좌표)
    - 폴리라인 점좌표 이후에 점좌표가 포함된 경계 박스의 좌표가 나타남
    - 박스의 좌표정보는 4개로 나타내며, 각각 x, y, width, height로 나타냄
    - 폴리라인에 경계박스 좌표가 존재하는 이유는 COCO의 특성으로, 폴리라인에 대한 좌표를 탐색할 때 경로 계산에서 속도를 높이기 위함으로 판단 됨
    - 경계 박스 좌표는 폴리라인 좌표 추적에 사용하기 위함이므로 실제로 이미지에 바운더리 박스 라벨링으로 표시되지 않음
     
폴리곤 JSON 해석
< Polyline JSON 파일 해석>
데이터셋 구축 담당자
수행기관(주관) : 흥일기업
수행기관 (주관)
책임자명 전화번호 대표이메일 담당업무
천효창 070-4895-2825 hccheon@hungil.co.kr · 데이터 구축 컨소시엄 총괄
수행기관(참여)
수행기관(참여)
기관명 담당업무 기관명 담당업무
(주)디타스 · 원시 데이터 2차 정제 및 가공, 어노테이션 순천향대학교 산학현력단 · 데이터 검수 및 품질관리
동의대
산학협력단
· AI 요약 모델 개발 및 적용, 응용 서비스 개발