AI Hub

주행 중 건물 촬영 이미지 소개

주행 중 건물 촬영 이미지 소개

데이터셋명 주행 중 건물 촬영 이미지
데이터 분야 자율주행 데이터 유형 이미지
구축기관 건국대학교 산학협력단 데이터 관련 문의처 담당자명 조기춘(건국대학교 산학협력단)
가공기관 스타마타 전화번호 02-2049-6265
검수기관 스타마타 이메일 sangkwonkim@konkuk.ac.kr
구축 데이터량 200만 구축년도 2020년
버전 1.0 최종수정일자 2021.06.25
소개 GNSS 취약 지역에서 위치를 인식하기 위한 영상 및 이미지, 센서 데이터
주요 키워드 객체 검출, 시멘틱 세그멘테이션, 시멘틱 포인트 클라우드 정밀지도, GNSS 음영 지역 위치인식
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
주행 중 건물 촬영 이미지-데이터변경이력
버전 일자 변경내용 비고
1.0 2021.06.25 데이터 최초 개방  
구축 목적
  • GNSS 취약 지역에서의 위치인식을 위한 데이터셋
활용 분야
  • 자율주행, 위치추정, SLAM
소개
  • GNSS 취약 지역에서의 위치인식을 위한 이미지 객체 검출 학습데이터 및 Lidar, 포인트 클라우드 시멘틱 세그멘테이션 정밀지도 등 자율주행에 활용 가능한 데이터
주행 중 건물 촬영 이미지-소개-1

 

  • 주변국으로부터 보정되지 않은 GNSS 정보는 위성신호 도심, 지하차도 및 터널 등 취약 지역에서 위치인식 신뢰도를 악화시키는 원인으로 작용
  • 랜드마크 정밀지도와 자율주행에 사용되는 다양한 주변환경 인식 센서 정보 융합을 통해 GNSS 취약 지역에서도 신뢰도 높은 위치인식 필요
  • 다양한 센서 원천데이터 및 학습데이터 공개를 통해 자율주행 관련 위치 및 주변환경 인식을 통한 기술개발에 자유롭게 활용할 수 있도록 함
  • 도심, 지하차도 및 터널 포함 지역에 대한 다양한 랜드마크 측정 데이터 수집
구축 내용 및 제공 데이터량
  • 200만 건 이상 의 건물 및 랜드마크 포함 이미지, 동영상, Lidar, GNSS/INS 데이터
  • 시멘틱 포인트 클라우드 정밀지도 1건
     
    구축내용 및 제공 데이터량 표1
    이미지 프레임 AI 학습용
    데이터 구축
    객체
    폴리곤
    건물면 건물 빌딩, 집, 다리, 고가도로 등 18.2만
    도로면 도로면
    표지
    차선, 안전지대선, 마름모,
    화살표, 횡단보도 등
    78.2만
    도로 객체 분리구조물 방음벽, 가드레일, 펜스 6만
    객체
    바운딩박스
    도로 객체 세로 기둥 가로수, 전봇대, 신호등 기둥,
    표지판 기둥, 가로등, 소화전,
    인도 침범 방지 기둥 등
    54.3만
    교통표지판 모든 종류의 교통 표지판 27만
    신호등 모든 종류의 신호등 15.3만
    터널 내
    객체
    환기 기구 터널 내 대형 팬, 굴뚝 같은
    형상물
    0.09만
    소화 기구 소화전 등 0.31만
    비상·유도등 터널 내 비상등, 유도등 0.6만
     
    구축내용 및 제공 데이터량 표2
    포인트 클라우드 정밀지도 AI 학습용
    데이터 구축
    객체
    시멘틱
    세그멘
    테이션
    건물면 건물 빌딩, 집, 다리, 고가도로 등 시멘틱 포인트
    클라우드
    정밀지도 1건
    도로면 도로면
    표지
    차선, 안전지대선, 마름모,
    화살표, 횡단보도 등
    도로 객체 분리구조물 방음벽, 가드레일, 펜스
    도로 객체 세로 기둥 가로수, 전봇대, 신호등 기둥,
    표지판 기둥, 가로등, 소화전,
    인도 침범 방지 기둥 등
    교통표지판 모든 종류의 교통 표지판
    신호등 모든 종류의 신호등
    터널 내
    객체
    환기 기구 터널 내 대형 팬, 굴뚝 같은
    형상물
    소화 기구 소화전 등
    비상·유도등 터널 내 비상등, 유도등
대표도면
주행 중 건물 촬영 이미지-대표도면-1
< 이미지 원본 >

 

주행 중 건물 촬영 이미지-대표도면-2
< 이미지 객체 검출 >

 

주행 중 건물 촬영 이미지-대표도면-3
< 이미지 시멘틱 세그멘테이션 >

 

주행 중 건물 촬영 이미지-대표도면-4
< 포인트 클라우드 정밀지도 원본 >

 

주행 중 건물 촬영 이미지-대표도면-5
< 시멘틱 포인트 클라우드 정밀지도 >
필요성
  • Level 4 이상의 자율주행을 위해 GNSS 음영 지역(도심, 지하차도, 터널 등) 내 안정적 정밀 위치 정보 필수
  • SLAM 또는 Deep learning 기반 위치 추정 AI 기술 연구를 위한 GNSS 불능 지역의 학습 데이터 셋 필요
  • 정밀지도와 인식 AI를 이용한 위치추정 AI 연구 개발에 활용 가능
  • 이를 위해 이미지 뿐 아니라, 포인트 클라우드, 스테레오 이미지, GNSS/INS, 고정밀 MMS 기반 정밀지도 등 자율주행 개발에 필요한 추가 데이터 필요
데이터 구조
  • 데이터 구성
    1. 데이터 폴더 구성
     -  시간, 주행 코스, 방향, in-out 주행여부, 날씨에 따라 폴더를 생성하여 데이터 분류
        예) 20201229_11_CW_in_D_S

    2. 데이터 취득에 관한 메타데이터
     -  이미지 취득 장비, 포인트 클라우드 취득 장비 등 취득에 관한 기타 정보를 메타데이터로서 작성하여 ‘데이터셋상세설명’에 첨부하고자 함

    3. 데이터 Naming
     -  <영상촬영일>_<수정여부>_<코스>_<코스형태>_<촬영 시간>_<날씨>_<원본순서>_<캡처프레임> 순서로 표기
       예) 200819_R_16_CW_in_D_B_004_00006 (2020년 8월 19일에 촬영한 4번째 영상 6번째 Frame)
    데이터 Naming 표
    구분 이름 설명
    Date YY, MM, DD 년도, 월, 일
    수정 여부 R Raw(원본)
    E Edited(수정)
    코스 N N번 코스
    코스 형태 CW or CCW 코스 주행 형태
    in or out
    원본 영상순서 N N번째 영상
    캡쳐 프레임 N N번째 프레임
    촬영 시간 D Day(낮)
    E Evening/Morning(일몰/출)
    N Night(밤)
    날씨 B Bright(맑음)
    C Cloudy(흐림)
    S Snowy(눈)
    F Foggy(안개)
    R Rainy(밤)

     

  • 어노테이션 포맷
    1. 이미지
    어노테이션 포맷 이미지 표
    NO 항목명 항목설명 타입 필수구분 단위
    1 데이터셋 정보 데이터셋 전체에 관한 전반적인 정보를 포함하는 메타데이터 object    
    1 1-1 데이터셋 상세설명 str Y  
    1-2 데이터셋 담당기관 str    
    1-3 데이터셋 생성일자 datetime Y  
    2 이미지 정보 데이터셋을 구성하는 각 이미지에 대한 메타데이터 및 학습 데이터 List    
    2 2-1 이미지 식별자 int Y  
    2-2 이미지 너비 int Y pixel
    2-3 이미지 높이 int Y pixel
    2-4 이미지 파일명 str Y  
    3 이미지 어노테이션 정보 데이터셋의 어노테이션에 대한 메타데이터 및 학습 데이터 List    
    2 3-1 어노테이션 식별자 int Y  
    3-2 연관 이미지 식별자 int Y  
    3-3 어노테이션 카테고리 int Y  
    3-4 세그멘테이션 정보 RLE or [polygon] Y  
    3-5 세그멘테이션 넓이 float    
    3-6 바운딩박스 정보 [x, y, width, height] Y  
    3-7 단일 개체/개체군 정보 0 or 1    
    4 카테고리 정보 어노테이션의 카테고리 정보에 대한 메타데이터 및 학습 데이터 List    
    1 4-1 카테고리 식별자 int Y  
    4-2 카테고리 이름 str Y  
    4-3 상위 카테고리 str    

     

    2. 포인트 클라우드
    어노테이션 포맷 포인트 클라우드 표
    NO 항목명 항목설명 타입 필수구분 단위
    2 포인트클라우드 정보 데이터셋을 구성하는 각 포인트클라우드 대한 메타데이터 및 학습 데이터 List    
    2 2-1 포인트클라우드생성일자 Number Y  
    2-2 포인트클라우드파일명 String Y  
    2-3 프레임순서/타일번호 String Y  
    3 포인트클라우드어노테이션정보 데이터셋의 어노테이션에 대한 학습 데이터 List    
    3 3-1 어노테이션데이터 Number Y  

     

     
데이터셋 구축 담당자
수행기관(주관) : 건국대학교 산학협력단
수행기관 (주관)
책임자명 전화번호 대표이메일 담당업무
조기춘 02-2049-6265 kichun@konkuk.ac.kr · 사업 총괄
· 데이터 설계
· AI모델 개발
수행기관(참여)
수행기관(참여)
기관명 담당업무 기관명 담당업무
딥비전스 · 데이터 설계 지원
· AI 모델 개발 지원
스타마타 · 원천 데이터 수집 및 정제
· 데이터 가공, 검수, 크라우드소싱 관리
· 저작도구 개발
공간정보산업진흥원 · 데이터 검수, 크라우드소싱 관리 에이스랩 · AI 모델을 활용한 응용서비스 개발 (GNSS 취약 지역에서의 자율주행을 위한 위치 인식 서비스)